Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
# Analysieren von Konversationen mithilfe von Konversationsanalysen in Amazon Connect Contact Lens
Mit Contact Lens Konversationsanalysen können Sie Konversationen zwischen Kunden und Agenten oder Kunden und Konversations-KI mithilfe von natürlicher Sprachverarbeitung analysieren, und zwar über Sprache, Chat und E-Mail. Die Konversationsanalyse führt Stimmungsanalysen durch, erkennt Probleme und ermöglicht Ihnen die automatische Kategorisierung von Kontakten.
**Unterstützung für Sprachanalyse**
+ **Anruf-Analytics in Echtzeit**: Dient dem besseren Erkennen und Lösen von Kundenproblemen während des Anrufs. Die Funktion kann beispielsweise entsprechende [Analysen vornehmen und Sie benachrichtigen](add-rules-for-alerts.md), wenn bei Kunden Frustration einsetzt, weil Kundendienstmitarbeiter ein kompliziertes Problem nicht lösen können. Auf diese Weise können Sie unmittelbarer Hilfe leisten.
+ **Analytik nach dem Anruf**: Nutzen Sie diese Methode, um Trends bei Kundengesprächen, Self-Service-Interaktionen und der Einhaltung von Vorschriften durch Agenten besser zu verstehen. Auf diese Weise können Sie Möglichkeiten zur Verbesserung der Konversations-KI erkennen und Agenten nach dem Anruf coachen.
**Unterstützung für Chat-Analyse**
+ **Chat-Analyse in Echtzeit**: Wie bei der Anrufanalyse in Echtzeit können Sie Kundenprobleme proaktiver erkennen und lösen, während der Chat läuft, und [eine Benachrichtigung erhalten](add-rules-for-alerts-chat.md). Manager können beispielsweise eine E-Mail-Benachrichtigung in Echtzeit erhalten, wenn die Kundenstimmung zu einem Chat-Kontakt negativ wird, sodass sie dem laufenden Kontakt beitreten und bei der Lösung des Kundenproblems helfen können.
+ **Analysen nach dem Chat**: Dient dem Verständnis von Trends bei Kundengesprächen mit Bots und Kundendienstmitarbeitern. Die Funktion bietet Informationen, die spezifisch für eine Chat-Interaktion sind, z. B. die Begrüßungszeit von Kundendienstmitarbeitern und die Reaktionszeiten von Kundendienstmitarbeitern und Kunden. Anhand der Reaktionszeiten und Stimmungswerten können Sie die Betreuung von Kunden durch Bots im Vergleich zu Kundendienstmitarbeitern untersuchen und Verbesserungsmöglichkeiten identifizieren.
+ Jede verarbeitete Chat-Nachricht wird auf dieselbe Weise abgerechnet. Möglicherweise sind nicht alle Features für alle Nachrichten verfügbar (z. B. wird die Zusammenfassung nur auf `text/plain`-Nachrichten angewendet). Wenn jedoch die Konversationsanalyse von Contact Lens für den Kontakt aktiviert ist, wird die Nachricht bei der Abrechnung mitgezählt. Weitere Informationen zu Preisen finden Sie unter [Preise für Amazon Connect](https://aws.amazon.com/connect/pricing/).
**Unterstützung für E-Mail-Analysen**
+ **E-Mail-Analyse**: Wird verwendet, um E-Mail-Konversationen zwischen Kunden und Agenten zu analysieren. Contact Lenskategorisiert E-Mail-Kontakte automatisch, redigiert vertrauliche Daten aus E-Mail-Transkripten und generiert Kontaktzusammenfassungen. Auf diese Weise können Sie die Trends bei E-Mail-Konversationen besser verstehen und die Einhaltung der Vorschriften in Ihrem gesamten E-Mail-Kanal sicherstellen.
+ Da E-Mail-Kontakte asynchron sind, bei denen jeweils ein Teilnehmer handelt, gilt die Unterscheidung in Echtzeit und nach dem Kontakt, die für Telefongespräche und Chat gilt, nicht für E-Mails. Eine E-Mail-Analyse wird eingeleitet, sobald sie verwendet [Flow-Block in Amazon Connect: Aufzeichnungs-, Analyse- und Verarbeitungsverhalten festlegen](set-recording-analytics-processing-behavior.md) wird, wenn ein E-Mail-Kontakt empfangen oder gesendet wird.
Sie können die Privatsphäre Ihrer Kunden schützen, indem Sie sensible Daten wie Name, Adresse und Kreditkarteninformationen in Transkripten und Audioaufzeichnungen redigieren.
## Beispiel für die Seite „Kontaktdaten“ für einen Anruf
Die folgende Abbildung zeigt die Zusammenfassung und die Konversationsanalyse für einen Sprachanruf. Beachten Sie, dass sie Metriken zur **Gesprächszeit** enthält.
![\[Beispiel für die Seite „Kontaktdaten“ mit Metriken zur Gesprächszeit.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contactlens-contactdetails-call1b.png)
1. **Trend zur Kundenstimmung**: Dieses Diagramm zeigt, wie sich die Kundenstimmung im Laufe des Kontakts verändert. Weitere Informationen finden Sie unter [Untersuchen von Stimmungswerten](sentiment-scores.md).
1. **Kundenstimmung**: Dieses Diagramm zeigt die Verteilung der Kundenstimmung während des gesamten Anrufs. Dies wird berechnet, indem die Gesamtzahl der Gesprächswechsel oder Chat-Nachrichten gezählt wird, bei denen ein Kunde eine positive, neutrale und negative Stimmung hatte.
1. **Gesprächszeit**: Dieses Diagramm zeigt die Verteilung der Gesprächszeit und der sprechfreien Zeit während des gesamten Anrufs. Die Gesprächszeit ist weiter unterteilt nach Kundendienstmitarbeiter und Kunde.
Die folgende Abbildung zeigt den nächsten Abschnitt auf der Seite **Kontaktdaten** für einen Sprachanruf: die Audioanalyse und das Transkript. Beachten Sie, dass persönlich identifizierbare Informationen (PII) [im Transkript redigiert wurden](sensitive-data-redaction.md).
![\[Die Audioanalyse und das Transkript für den Kontakt\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contactlens-contactdetails-call2b.png)
## Beispiel für eine Kontaktdetailseite für Echtzeit-Chat-Analysen
Die folgende Abbildung zeigt die Zusammenfassung und die Konversationsanalyse für einen Echtzeit-Chat. Beachten Sie, dass darin die wichtigsten Highlights und die Stimmung der Kunden enthalten sind.
![\[Die Seite „Kontaktdaten“ mit Konversationsanalysen für einen Chat\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contactlens-realtime-chat.png)
## Beispiel für eine Kontaktdetailseite für Analysen nach dem Chat
Die folgende Abbildung veranschaulicht die Analyse nach dem Chat. Beachten Sie, dass sie Metriken für Chat-Antworten enthält, wie z. B. die **Begrüßungszeit des Kundendienstmitarbeiters** (die Zeit, die ab dem Chat-Beitritt von Kundendienstmitarbeitern bis zum Senden der ersten Antwort vergeht), die **Reaktionszeit des Kunden** und die **Reaktionszeit des Kundendienstmitarbeiters**.
![\[Die Seite „Kontaktdaten“ mit Zusammenfassung und Konversationsanalysen für einen Chat\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contactlens-contactdetails-chat1b.png)
Die folgende Abbildung zeigt den nächsten Abschnitt auf der Seite **Kontaktdaten** für einen Chat: die Interaktionsanalyse und das Transkript. Beachten Sie, dass Sie die Interaktion von Kunden mit Bots im Vergleich zu ihrer Interaktion mit Kundendienstmitarbeitern untersuchen können.
![\[Die Seite „Kontaktdaten“, die Interaktionsanalyse und das Transkript für einen Chat\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contactlens-contactdetails-chat2b.png)
## Beispiel für eine Kontaktdetailseite für E-Mail-Analysen
Die folgende Abbildung zeigt die Konversationsanalyse für einen E-Mail-Kontakt. Die E-Mail-Analyse umfasst die Kategorisierung, die Bearbeitung sensibler Daten und Kontaktzusammenfassungen. Da E-Mail-Kontakte asynchron sind, gibt es keine Echtzeitanalysen oder Stimmungswerte.
![\[Ein Beispiel für eine Kontaktdetailseite mit Konversationsanalysen für einen E-Mail-Kontakt.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contactlens-contactdetails-email.png)
# Aktivieren von Konversationsanalysen in Amazon Connect Contact Lens
Sie können Konversationsanalysen in Contact Lens in nur wenigen Schritten aktivieren:
1. Aktivieren Sie Contact Lens für Ihre Amazon-Connect-Instance.
1. Fügen Sie einem Flow einen [Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md) Block hinzu und konfigurieren Sie ihn so, dass Konversationsanalysen für Sprache, Chat, E-Mail oder eine Kombination von Kanälen aktiviert werden.
Die folgende Abbildung zeigt einen Block, der für die Anrufaufzeichnung und Sprachanalyse konfiguriert ist. Die Option **Anrufaufzeichnung** ist auf **Kundendienstmitarbeiter und Kunde** eingestellt. Im Abschnitt **Analytics** werden die Optionen für automatisierte Interaktionen und Agenteninteraktionen ausgewählt.
![\[Die Seite „Eigenschaften“ für einen Block mit konfiguriertem Aufzeichnungs- und Analyseverhalten\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/set-recording-and-analytics-behavior.png)
Die Verfahren in diesem Thema beschreiben die Schritte zur Aktivierung der Konversationsanalyse für Anrufe, Chats oder E-Mails.
**Topics**
+ [Wissenswertes](#important-set-behaviorblock)
+ [Aktivieren von Contact Lens für Ihre Amazon-Connect-Instance](#enable-cl)
+ [Aktivieren von Anrufaufzeichnung und Sprachanalysen](#enable-callrecording-speechanalytics)
+ [Aktivieren von Chat-Analysen](#enable-chatanalytics)
+ [E-Mail-Analysen aktivieren](#enable-emailanalytics)
+ [Aktivieren der Schwärzung](#enable-redaction)
+ [Prüfen der Redaktion auf Richtigkeit](#review-sensitive-data-redaction)
+ [Deaktivieren der Stimmungsanalyse](#disable-sentiment-analysis-voice-and-chat)
+ [Dynamisches Aktivieren der Schwärzung auf Basis der Sprache des Kunden](#dynamically-enable-analytics-contact-flow)
+ [Entwerfen eines Datenstroms für die wichtigsten Highlights](#call-summarization-agent)
+ [Was passiert, wenn der Flow-Block die Konversationsanalyse nicht aktiviert?](#troubleshoot-contactlens-enablement)
+ [Anrufe mit mehreren Teilnehmern](#multiparty-calls-contactlens)
## Wissenswertes
+ **Erheben von Daten nach der Weiterleitung eines Kontakts**: Wenn Sie Konversationsanalysen weiterhin zum Erheben von Daten verwenden möchten, nachdem Sie einen Kontakt an andere Kundendienstmitarbeiter oder in andere Warteschlangen weitergeleitet haben, müssen Sie den Block [Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md) noch einmal hinzufügen und die Option **Analysen aktivieren** für den Flow aktivieren. Der Grund hierfür ist, dass eine Weiterleitung eine zweite Kontakt-ID und einen zweiten Kontaktdatensatz generiert. Die Konversationsanalyse muss auch für diesen Kontaktdatensatz ausgeführt werden.
**Anmerkung**
Bei [queue-to-queueÜbertragungen](queue-to-queue-transfer.md) werden die Konfigurationsinformationen für Konversationsanalysen in den übertragenen Kontakt kopiert.
+ Wenn Sie eine Sprache auswählen, die von der Stimmungsanalyse unterstützt wird, UND im [Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md) Block **Contact LensSprachanalyse** **aktivieren, Chat-Analyse** **aktivieren oder E-Mail-Analyse** aktivieren auswählen, ist die Stimmungsanalyse standardmäßig aktiviert. Sie können auch die [Stimmungsanalyse deaktivieren](#disable-sentiment-analysis-voice-and-chat).
+ Wo Sie den Block [Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md) in einem Datenstrom platzieren, hat Auswirkungen auf die Umgebung für Kundendienstmitarbeiter in Bezug auf wichtige Highlights. Weitere Informationen finden Sie unter [Entwerfen eines Datenstroms für die wichtigsten Highlights](#call-summarization-agent).
## Aktivieren von Contact Lens für Ihre Amazon-Connect-Instance
Bevor Sie Konversationsanalysen aktivieren können, müssen Sie zunächst Contact Lens für Ihre Instance aktivieren.
1. Öffnen Sie die Amazon Connect Connect-Konsole unter [https://console.aws.amazon.com/connect/](https://console.aws.amazon.com/connect/).
1. Wählen Sie auf der Seite „Instances“ den Instance-Alias aus. Der Instance-Alias ist auch Ihr **Instance-Name**, der in Ihrer Amazon-Connect-URL erscheint. In der folgenden Abbildung sehen Sie die Seite **Instances des virtuellen Contact Centers für Amazon Connect** mit einem Rahmen um den Instance-Alias.
![\[Die Seite „Instances des virtuellen Contact Centers für Amazon Connect“, „Instance Alias“.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/instance.png)
1. Wählen Sie in der Amazon-Connect-Konsole im Navigationsbereich **Analysetools** und dann **Contact Lens aktivieren** aus.
1. Wählen Sie **Speichern**.
## Aktivieren von Anrufaufzeichnung und Sprachanalysen
Nachdem Contact Lens für Ihre Instance aktiviert wurde, können Sie Ihren Flows Blöcke für [Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md) hinzufügen. Aktivieren Sie anschließend die Konversationsanalyse, wenn Sie den Block **Aufzeichnungs- und Analyseverhalten festlegen** konfigurieren.
1. Fügen Sie Ihrem Ablauf im Flow-Designer einen Block [Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md) hinzu.
Informationen darüber, welche Flow-Typen Sie mit diesem Block verwenden können, sowie weitere Tipps finden Sie unter [Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md).
1. Die Seite „Eigenschaften“ des Blocks **Aufzeichnungs- und Analyseverhalten festlegen** Wählen Sie unter **Anrufaufzeichnung** die Optionen **Ein**, **Kundendienstmitarbeiter und Kunde** aus.
Für die Verwendung von Konversationsanalysen für Sprachkontakte sind sowohl die Anrufaufzeichnungen von Kundendienstmitarbeitern als auch die von Kunden erforderlich.
1. Wählen Sie unter **Analytik** die Optionen **Konversationsanalysen von Contact Lens aktivieren**, **Sprachanalysen aktivieren** aus.
Wenn diese Option nicht angezeigt wird, wurde Amazon Connect Contact Lens für Ihre Instance nicht aktiviert. Anleitungen zur Aktivierung finden Sie unter [Aktivieren von Contact Lens für Ihre Amazon-Connect-Instance](#enable-cl).
1. Wählen Sie eine der folgenden Optionen:
1. **Analysen nach dem Gespräch**: Contact Lens analysiert die Anrufaufzeichnung, nachdem das Gespräch beendet wurde und die Kontaktnachbearbeitung abgeschlossen ist. Diese Option bietet die beste Transkriptionsgenauigkeit.
1. **Echtzeitanalysen**: Contact Lens bietet sowohl Echtzeitinformationen während des Anrufs als auch Analysen nach dem Gespräch, wenn das Gespräch beendet wurde und die Kontaktnachbearbeitung abgeschlossen ist.
Wenn Sie sich für diese Option entscheiden, empfehlen wir die Einrichtung von Benachrichtigungen auf Grundlage von Schlüsselwörtern und Wortgruppen, die Kunden während des Anrufs möglicherweise verwenden. Contact Lens analysiert die Konversation in Echtzeit, um die angegebenen Schlüsselwörter oder Wortgruppen zu erkennen, und benachrichtigt Supervisoren. Anschließend können diese den Anruf live mitverfolgen und Kundendienstmitarbeiter beraten, damit sie das Problem schneller lösen können.
Weitere Informationen zur Einrichtung von Benachrichtigungen finden Sie unter [Benachrichtigen von Supervisoren in Echtzeit für Anrufe](add-rules-for-alerts.md).
Wenn Ihre Instance vor Oktober 2018 erstellt wurde, ist eine zusätzliche Konfiguration erforderlich, um auf Anrufanalysen in Echtzeit zugreifen zu können. Weitere Informationen finden Sie unter [Berechtigungen von serviceverknüpften Rollen](connect-slr.md#slr-permissions).
1. Treffen Sie Ihre Auswahl in der [Liste verfügbarer Sprachen](supported-languages.md#supported-languages-contact-lens).
Anleitungen zur dynamischen Angabe der Sprache finden Sie unter [Dynamisches Aktivieren der Schwärzung auf Basis der Sprache des Kunden](#dynamically-enable-analytics-contact-flow).
1. Optional können Sie die Schwärzung sensibler Daten aktivieren. Weitere Informationen finden Sie im folgenden Abschnitt, [Aktivieren der Schwärzung](#enable-redaction).
1. Wählen Sie **Speichern**.
1. Wenn der Kontakt an andere Kundendienstmitarbeiter oder in andere Warteschlangen weitergeleitet wird, wiederholen Sie diese Schritte, um den Block [Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md) mit der aktivierten Option **Contact Lens für Konversationsanalysen aktivieren** noch einmal hinzuzufügen.
## Aktivieren von Chat-Analysen
1. Wählen Sie im Block [Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md) unter **Analytik** die Option **Konversationsanalysen von Contact Lens aktivieren** und dann **Chat-Analysen aktivieren** aus.
**Anmerkung**
Wenn Sie diese Option wählen, erhalten Sie sowohl Analysen in Echtzeit als auch nach dem Chat.
Wenn diese Option nicht angezeigt wird, wurde Amazon Connect Contact Lens für Ihre Instance nicht aktiviert. Anleitungen zur Aktivierung finden Sie unter [Aktivieren von Contact Lens für Ihre Amazon-Connect-Instance](#enable-cl).
1. Treffen Sie Ihre Auswahl in der [Liste verfügbarer Sprachen](supported-languages.md#supported-languages-contact-lens).
Anleitungen zur dynamischen Sprachauswahl und Schwärzung finden Sie unter [Dynamisches Aktivieren der Schwärzung auf Basis der Sprache des Kunden](#dynamically-enable-analytics-contact-flow).
1. Optional können Sie die Schwärzung sensibler Daten aktivieren. Weitere Informationen finden Sie im folgenden Abschnitt, [Aktivieren der Schwärzung](#enable-redaction).
1. Wählen Sie **Speichern**.
1. Wenn der Kontakt an andere Kundendienstmitarbeiter oder in andere Warteschlangen weitergeleitet wird, wiederholen Sie diese Schritte, um den Block [Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md) mit der aktivierten Option **Contact Lens für Konversationsanalysen aktivieren** noch einmal hinzuzufügen.
## E-Mail-Analysen aktivieren
Sie können Contact Lens Konversationsanalysen für E-Mail-Kontakte aktivieren, um E-Mails automatisch zu kategorisieren, vertrauliche Daten zu redigieren und Kontaktzusammenfassungen zu erstellen.
1. Fügen Sie im Flow-Designer einen [Legen Sie das Aufzeichnungs-, Analyse- und Verarbeitungsverhalten fest](set-recording-analytics-processing-behavior.md) Block zu Ihrem eingehenden E-Mail-Fluss hinzu. Platzieren Sie den Block, bevor der E-Mail-Kontakt an eine Warteschlange oder einen Agenten weitergeleitet wird.
1. Öffnen Sie die Blockeigenschaften. Wählen Sie **unter Aktion** die Option **Aufzeichnungs- und Analyseverhalten festlegen** aus.
1. Wählen Sie für **Kanal** die Option **E-Mail** aus.
1. Wählen Sie unter **Analytics** die Option **Contact LensKonversationsanalyse** **aktivieren und E-Mail-Analyse aktivieren** aus.
Wenn diese Option nicht angezeigt wird, wurde Amazon Connect Contact Lens für Ihre Instance nicht aktiviert. Anleitungen zur Aktivierung finden Sie unter [Aktivieren von Contact Lens für Ihre Amazon-Connect-Instance](#enable-cl).
1. Treffen Sie Ihre Auswahl in der [Liste verfügbarer Sprachen](supported-languages.md#supported-languages-contact-lens).
1. Optional können Sie die Schwärzung sensibler Daten aktivieren. Weitere Informationen finden Sie unter [Aktivieren der Schwärzung](#enable-redaction).
1. Aktivieren Sie optional unter **Generative KI-Funktionen von Contact Lens** die Option **Kontaktzusammenfassung**, um Zusammenfassungen für E-Mail-Kontakte zu generieren.
1. Wählen Sie **Speichern**.
1. Wenn der E-Mail-Kontakt an einen anderen Agenten oder eine andere Warteschlange übertragen werden soll, wiederholen Sie diese Schritte, um einen weiteren [Legen Sie das Aufzeichnungs-, Analyse- und Verarbeitungsverhalten fest](set-recording-analytics-processing-behavior.md) Block hinzuzufügen, bei dem die Option **Contact LensFür Konversationsanalysen aktivieren aktiviert** ist.
## Aktivieren der Schwärzung sensibler Daten
Wenn Sie den Block [Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md) für Konversationsanalysen konfigurieren, haben Sie auch die Möglichkeit, die Schwärzung sensibler Daten in einem Flow zu aktivieren. Wenn die Schwärzung aktiviert ist, haben Sie diese Möglichkeiten:
+ Redaktion aller persönlich identifizierbaren Informationen (PII) (alle PII-Entitäten werden unterstützt)
+ Auswählen in der Liste der unterstützten Entitäten, welche PII-Entitäten redigiert werden sollen
Wenn Sie die Standardeinstellungen akzeptieren, schwärzt die Konversationsanalyse von Contact Lens alle persönlich identifizierbaren Informationen (PII), die erkannt werden, und ersetzt sie im Transkript durch **[PII]**. Die Standardeinstellungen sind in der folgenden Abbildung zu sehen, da die folgenden Optionen ausgewählt sind: **Sensible Daten schwärzen**, **Alle personenbezogenen Daten zensieren** und **Durch PII-Platzhalter ersetzen**.
![\[Die Standardeinstellungen für die Redaktion sensibler Daten\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-enable-redaction-default.png)
### Auswählen der zu redigierenden PII-Entitäten
Im Abschnitt **Datenredaktion** können Sie bestimmte PII-Entitäten auswählen, die redigiert werden sollen. Auf der folgenden Abbildung ist zu sehen, dass die **Kredit-/Debitkartennummer** redigiert wird.
![\[Der Abschnitt „Datenredaktion“, eine Liste von Entitäten, die redigiert werden können\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-select-entities-to-redact.png)
### Auswählen des Ersatzes für redigierte Daten
Im Abschnitt **Datenzensurersatz** können Sie die Maske auswählen, mit der redigierte Daten ersetzt werden sollen. Auf der folgenden Abbildung gibt die Option **Durch PII-Platzhalter ersetzen** beispielsweise an, dass die Daten durch **PII** ersetzt werden.
![\[Die Option zum Ersetzen von Daten durch „PII“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-dataredactionreplacement.png)
Weitere Informationen zur Verwendung der Redaktion finden Sie unter [Schwärzen sensibler Daten](sensitive-data-redaction.md).
## Prüfen der Redaktion sensibler Daten auf Richtigkeit
Das Feature zur Redaktion dient dazu, sensible Daten zu identifizieren und zu entfernen. Aufgrund des prädiktiven Charakters von Machine Learning kann es jedoch passieren, dass nicht alle sensiblen Daten in einem von Contact Lens generierten Transkript identifiziert und redigiert werden. Wir empfehlen deshalb, die Redaktion in allen Ausgaben zu prüfen, um sicherzustellen, dass sie den Anforderungen entsprechen.
**Wichtig**
Das Feature zur Redaktion erfüllt nicht die Anforderungen an die Anonymisierung gemäß Gesetzen zum Schutz medizinischer Daten wie dem U.S. Health Insurance Portability and Accountability Act von 1996 (HIPAA). Wir empfehlen daher, sie auch nach der Redaktion weiterhin als geschützte Gesundheitsinformationen zu behandeln.
Informationen zum Speicherort redigierter Dateien und Beispiele finden Sie unter [Speicherorte von Ausgabedateien](example-contact-lens-output-locations.md).
## Deaktivieren der Stimmungsanalyse
Wenn Sie eine Sprache auswählen, die von der Stimmungsanalyse unterstützt wird, UND die Option **Sprachanalysen aktivieren** oder **Chat-Analysen aktivieren** auswählen, ist die Stimmungsanalyse standardmäßig für alle Kundendienstmitarbeiter und Kunden aktiviert. Eine Liste der für die Stimmungsanalyse unterstützten Sprachen finden Sie unter [KI-Features](supported-languages.md#supported-languages-contact-lens).
In der folgenden Abbildung sehen Sie, dass die Stimmungsanalyse im Block **Aufzeichnungs- und Analyseverhalten festlegen** aktiviert ist.
![\[Die Option „Stimmungsanalyse“, wenn sie aktiviert ist.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/sentiment-analysis-enabled.png)
In der folgenden Abbildung sehen Sie eine Sprache, die von der Stimmungsanalyse nicht unterstützt wird. Wir empfehlen, den Abschnitt **Stimmung** zu öffnen, um zu überprüfen, ob sie aktiviert oder deaktiviert ist.
![\[Die Option „Stimmungsanalyse“, wenn sie deaktiviert ist, weil die Sprache nicht unterstützt wird.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/sentiment-analysis-verify.png)
Um die Stimmungsanalyse für alle Kundendienstmitarbeiter und Kunden zu deaktivieren, heben Sie die Auswahl der Option **Stimmungsanalyse aktivieren** auf, wie in der folgenden Abbildung gezeigt.
![\[Die Option „Stimmungsanalyse“, wenn sie deaktiviert ist.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/sentiment-analysis-disabled.png)
## Dynamisches Aktivieren der Schwärzung auf Basis der Sprache des Kunden
Sie können die Schwärzung von Ausgabedateien auf Grundlage der Sprache von Kunden dynamisch aktivieren. So kann für Kunden mit der Sprachvariante en-US möglicherweise nur eine redigierte Datei nötig sein, während für Kunden mit en-GB vielleicht sowohl die Originaldatei als auch die redigierte Ausgabedatei erzeugt werden soll.
+ Redaktion: Wählen Sie eine der folgenden Optionen (Groß- und Kleinschreibung zu beachten):
+ None
+ RedactedOnly
+ RedactedAndOriginal
+ Sprache: Treffen Sie Ihre Auswahl in der [Liste verfügbarer Sprachen](supported-languages.md#supported-languages-contact-lens).
Sie können diese Attribute wie folgt verwenden:
+ Benutzerdefiniert: Verwenden Sie den Block **Kontaktattribute festlegen**. Allgemeine Hinweise zur Verwendung dieses Blocks finden Sie unter [Referenzieren von Kontaktattributen](how-to-reference-attributes.md). Definieren Sie nach Bedarf den **Zielschlüssel** und den **Wert** für die Redaktion und Sprache.
Die folgende Abbildung zeigt ein Beispiel dafür, wie Sie den Block **Kontaktattribute festlegen** so konfigurieren, dass Kontaktattribute für die Redaktion verwendet werden. **Wählen Sie die Option **Text verwenden**, setzen Sie den **Zielschlüssel** auf **redaction\$1option** und legen Sie den Wert auf fest. **RedactedAndOriginal****
**Anmerkung**
Bei **Wert** ist die Groß- und Kleinschreibung zu beachten.
![\[Der Block „Kontaktattribute festlegen“, die Option „Text verwenden“, bei „Wert“ ist und Groß- und Kleinschreibung zu beachten\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-contact-attributes-enable-redaction1.png)
Die folgende Abbildung zeigt, wie Kontaktattribute für die Sprache verwendet werden. Wählen Sie die Option Text verwenden aus und legen Sie Zielschlüssel auf language und **Wert** auf **en-US** fest.
![\[Der Block „Kontaktattribute festlegen“, die Option „Text verwenden“, bei „Wert“ ist und Groß- und Kleinschreibung zu beachten\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-contact-attributes-enable-redaction2.png)
+ [Verwenden einer Lambda-Funktion](attribs-with-lambda.md): Dieser Vorgang ähnelt der Einrichtung von benutzerdefinierten Kontaktattributen. Eine Funktion von AWS Lambda kann das Ergebnis je nach Sprache der Lambda-Antwort als Schlüssel-Wert-Paar zurückgeben. Das folgende Beispiel zeigt eine Lambda-Antwort in JSON:
```
{
'redaction_option': 'RedactedOnly',
'language': 'en-US'
}
```
## Entwerfen eines Datenstroms für die wichtigsten Highlights
Transkripte sind für Agenten sichtbar, die das Contact Control Panel (CCP) verwenden, je nachdem, ob die Konversationsanalyse im Eingangsfluss, einem Transfer-Flow[Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md), aktiviert ist. and/or
In diesem Abschnitt werden drei Anwendungsfälle für die Aktivierung von Konversationsanalysen im Block [Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md) beschrieben. Außerdem wird erläutert, wie sich diese auf den Umgang von Kundendienstmitarbeitern mit wichtigen Highlights auswirken.
### Anwendungsfall 1: Konversationsanalysen sind nur in einem eingehenden Flow aktiviert
+ Ein Kontakt tritt in den eingehenden Flow ein und es finden keine Anrufweiterleitungen statt. Der Betreuungsweg von Kundendienstmitarbeitern sieht wie folgt aus:
Kundendienstmitarbeiter erhalten das vollständige Transkript während der Kontaktnachbearbeitung. Das Transkript enthält alles, was Kundendienstmitarbeiter und Kunden gesagt haben, von dem Moment an, in dem Mitarbeiter den ersten Anruf annehmen, bis zum Ende des Anrufs, wie auf der folgenden Abbildung zu sehen.
![\[Das Contact Control Panel, das Transkript des Gesprächs\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/call-summarization-use1.png)
+ Ein Kontakt tritt in den eingehenden Flow ein und es findet eine Anrufweiterleitung statt. Der Betreuungsweg von Kundendienstmitarbeitern sieht wie folgt aus:
+ Agent 1 erhält während der ACW eine Anrufmitschrift, nachdem er die conference/warm Weiterleitung verlassen hat.
Das Protokoll enthält alles, was von Agent 1 und dem Kunden gesagt wurde, von dem Moment an, in dem der Agent den ersten Anruf annimmt, bis Agent 1 den conference/warm Weiterleitungsteil des Anrufs verlässt. Das Transkript enthält die Ansagen des Flows (Weiterleitung-/WarteschlangenFlow), wie auf der folgenden Abbildung zu sehen.
![\[Die Ansage des WeiterleitungsFlows im Transkript\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/call-summarization-use2.png)
+ Agent 2 erhält zum Zeitpunkt der Annahme des conference/warm Weiterleitungsanrufs von Agent 1 eine Anrufmitschrift.
Das Protokoll enthält alles, was von Agent 1 und dem Kunden gesagt wurde, von dem Moment an, in dem Agent 1 den ersten Anruf annimmt, bis Agent 1 den conference/warm Weiterleitungsteil des Anrufs verlässt. Das Transkript enthält die Ansagen des Flows (Weiterleitung-/WarteschlangenFlow) und das Gespräch zur Weiterleitung mit Rücksprache, wie auf der folgenden Abbildung zu sehen.
![\[Das Transkript, die Weiterleitungsansage des Flows und die Weiterleitung mit Rücksprache zwischen zwei Kundendienstmitarbeitern\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/call-summarization-use2b.png)
Da Konversationsanalysen im Weiterleitungsablauf nicht aktiviert sind, sieht Kundendienstmitarbeiter 2 den Rest des Transkripts nicht, wenn der Anruf beendet ist und er zur Kontaktnachbearbeitung wechselt. Die folgende Abbildung der Kontaktnachbearbeitung für Kundendienstmitarbeiter 2 zeigt ein leeres Transkript.
![\[Ein leeres Transkript\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/call-summarization-use2c.png)
### Anwendungsfall 2: Konversationsanalysen sind in einem eingehenden und einem Weiterleitungsablauf (Schnellverbindung) aktiviert
+ Ein Kontakt tritt in den eingehenden Flow ein und es finden keine Anrufweiterleitungen statt. Der Betreuungsweg von Kundendienstmitarbeitern sieht wie folgt aus:
+ Kundendienstmitarbeiter:in 1 erhält während der Kontaktnachbearbeitung ein vollständiges Transkript des Anrufs (nicht redigiert).
Das Transkript enthält alles, was von Kundendienstmitarbeiter:in 1 und dem/der Kund:in gesagt wurde, von dem Moment an, in dem der/die Mitarbeiter:in den Anruf annimmt, bis zum Ende des Anrufs. Das ist auf der folgenden Abbildung des CCP für Kundendienstmitarbeiter:in 1 zu sehen.
![\[Das CCP für Kundendienstmitarbeiter:in 1, ein vollständiges Anruftranskript\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/call-summarization-use3.png)
+ Ein Kontakt tritt in den eingehenden Flow ein und es findet eine Anrufweiterleitung statt. Der Betreuungsweg von Kundendienstmitarbeitern sieht wie folgt aus:
+ Agent 1 erhält eine Anrufliste, nachdem er die conference/warm Weiterleitung verlassen hat (während der ACW).
Das Protokoll enthält alles, was von Agent 1 und dem Kunden gesagt wurde, von dem Moment an, in dem Agent 1 den Anruf annimmt, bis Agent 1 den conference/warm Weiterleitungsteil des Anrufs verlässt. Das Transkript enthält die Ansagen des Flows (Weiterleitung-/WarteschlangenFlow).
Das vollständige Anruftranskript bis zur Weiterleitung mit Rücksprache ist auf der folgenden Abbildung zu sehen.
![\[Ein vollständiges Anruftranskript, bis Kundendienstmitarbeiter:in 1 die Konferenz verlässt\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/call-summarization-use2b.png)
+ Agent 2 erhält zum Zeitpunkt der Annahme des conference/warm Weiterleitungsanrufs von Agent 1 eine Anrufmitschrift.
Das Protokoll enthält alles, was von Agent 1 und dem Kunden gesagt wurde, von dem Moment an, in dem Agent 1 den Anruf annimmt, bis Agent 1 den conference/warm Weiterleitungsteil des Anrufs verlässt. Das Transkript enthält die Ansagen des Flows (Weiterleitung-/Warteschlangenablauf).
+ Da Konversationsanalysen im Weiterleitungsablauf aktiviert sind, erhält Kundendienstmitarbeiter 2 nach Beenden des Anrufs während der Kontaktnachbearbeitung ein Transkript des Anrufs.
Das Transkript umfasst nur den verbleibenden Teil des Anrufs zwischen Kundendienstmitarbeiter 2 und dem Kunden, nachdem Kundendienstmitarbeiter 1 den Anruf verlassen hat. Das Transkript enthält alles, was von Kundendienstmitarbeiter:in 2 und dem/der Kund:in gesagt wurde, von dem Moment an, in dem sie in einer Konferenz/nach einer Weiterleitung mit Rücksprache zusammengeführt wurden, bis zu dem Zeitpunkt, zu dem der Anruf beendet wurde. Ein Beispiel für ein Transkript ist auf der folgenden Abbildung zu sehen.
![\[Ein Transkript der Sprachkonversation zwischen Kundendienstmitarbeiter 2 und dem Kunden\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/call-summarization-use3b.png)
## Was passiert, wenn der Flow-Block die Konversationsanalyse nicht aktiviert?
Es ist möglich, dass der Block [Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md) bei einem Kontakt die Konversationsanalyse nicht aktiviert. Wenn die Konversationsanalyse für einen Kontakt nicht aktiviert ist, [suchen Sie in den Flow-Protokollen](search-contact-flow-logs.md) nach dem Fehler.
## Anrufe mit mehreren Teilnehmern und Konversationsanalysen
Konversationsanalysen in Contact Lens unterstützen Anrufe mit bis zu zwei Teilnehmern. Wenn beispielsweise mehr als zwei Parteien (Kundendienstmitarbeiter:in und Kund:in) an einem Anruf teilnehmen oder ein Anruf an eine Drittpartei weitergeleitet wird, kann die Qualität von Transkription und Analysen, etwa Stimmung, Redaktion, Kategorien usw., beeinträchtigt werden. Wir empfehlen, Konversationsanalysen für Anrufe mit mehreren Teilnehmern oder Drittanbietern zu deaktivieren, wenn mehr als zwei Parteien (Kundendienstmitarbeiter und Kunde) daran teilnehmen. Fügen Sie dazu dem Flow einen weiteren Block [Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md) hinzu und deaktivieren Sie die Konversationsanalyse. Weitere Informationen über das Verhalten des Flow-Blocks finden Sie unter [Konfigurationstipps](set-recording-behavior.md#set-recording-behavior-tips).
# Zuweisen von Berechtigungen für die Verwendung der Konversationsanalysen von Contact Lens in Amazon Connect
Sie können Kundendaten schützen, indem Sie mithilfe von Sicherheitsprofilberechtigungen festlegen, wer auf die von der Konversationsanalyse in Contact Lens generierten Informationen zugreifen kann.
Im Folgenden finden Sie eine Beschreibung der erforderlichen Sicherheitsprofilberechtigungen sowie einiger Berechtigungen, die zwar hilfreich, aber nicht obligatorisch sind. Bei einigen handelt es sich um Suchberechtigungen, die nötig sind, um die Kontakte zu finden, die Sie analysieren möchten. Diese gelten nicht nur für Konversationsanalysen in Contact Lens.
## Berechtigungen für Konversationsanalysen
+ **Contact Lens – Konversationsanalysen**
+ Auf der Seite **Kontaktdaten** können Sie sich Grafiken ansehen, in denen Konversationsanalysen zusammengefasst sind (Kundenstimmung, Gesprächszeit für Sprachkontakte) ebenso wie Stimmungsfarben und Indikatoren für jeden Gesprächswechsel in Transkripten und Aufnahmen. Die folgende Abbildung zeigt beispielsweise, wie diese Informationen auf der Seite **Kontaktdaten** für einen Sprachkontakt angezeigt werden.
**Contact Lens – Konversationsanalysen – Anzeigen**: Zum Ansehen von Stimmungsindikatoren in Konversationsaufzeichnungen und -transkripten ist auch eine Anzeigeberechtigung erforderlich.
![\[Grafiken auf der Seite „Kontaktdaten“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contactlens-conversationalanalytics-permission.png)
![\[Grafiken auf der Seite „Kontaktdaten“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contactlens-conversationalanalytics-permission-2.png)
+ **Anrufaufzeichnungen (nicht redigiert)**
Auf den Seiten **Kontaktdaten** und **Kontaktsuche** für einen Kontakt können Sie sich unredigierte Audioaufzeichnungen anhören.
+ **Anrufaufzeichnungen (redigiert)**
Auf den Seiten **Kontaktdaten** und **Kontaktsuche** für einen Kontakt können Sie sich Anrufaufzeichnungen anhören, in denen sensible Daten redigiert wurden.
+ **Kontakttranskripte (nicht redigiert)**
Auf den Seiten **Kontaktdaten** und **Kontaktsuche** für einen Kontakt finden Sie nicht redigierte Chats, E-Mail-Konversationen und Sprachtranskripte, die von Contact Lens erstellt wurden.
+ **Kontakttranskripte (redigiert)**
Auf den Seiten **Kontaktdaten** und **Kontaktsuche** für einen Kontakt finden Sie Chat- und Sprachtranskripte, in denen sensible Daten redigiert wurden.
**Wichtig**
Wenn Sie die folgenden Berechtigungen haben:
sowohl **Kontakttranskripte (nicht redigiert) – Zugriff** als auch **Kontakttranskripte (redigiert) – Zugriff**
– ODER –
sowohl **Anrufaufzeichnungen (nicht redigiert) – Zugriff** als auch **Anrufaufzeichnungen (redigiert) – Zugriff**
Beachten Sie das folgende Verhalten:
Wenn eine Redaktion im Flow aktiviert ist, werden redigierte Inhalte auf den Seiten **Kontaktdaten** und **Kontaktsuche** angezeigt.
Wenn die Redaktion im Flow deaktiviert ist oder der Kontakt nicht von Contact Lens analysiert wird, werden unredigierte Inhalte auf den Seiten **Kontaktdaten** und **Kontaktsuche** angezeigt.
Sie können nicht gleichzeitig auf beide Versionen einer Konversation zugreifen, also die redigierte und nicht redigierte.
## Suchberechtigungen
+ **Kontaktsuche**
Diese Berechtigung ist erforderlich, damit Sie auf die Seite **Kontaktsuche** zugreifen können, auf der Sie nach Kontakten suchen können, um die analysierte Aufzeichnung und das analysierte Transkript zu prüfen. Darüber hinaus können Sie eine schnelle Volltextsuche in Anruftranskripten durchführen und nach Stimmungswerten und sprechfreier Zeit suchen.
+ **Meine Kontakte anzeigen**
Diese Berechtigung ist erforderlich, wenn Sie auf die Seite **Kontaktsuche** zugreifen müssen, um nur die Kontakte, die Sie selbst betreut haben, aufzurufen und analysierte Aufzeichnungen und Transkripte zu prüfen.
**Wichtig**
Wenn Berechtigungen sowohl für **Kontaktsuche** als auch für **Meine Kontakte anzeigen** erteilt wurden, hat der Benutzer Zugriff auf alle Kontakte.
+ **Suche nach Kontakten anhand von Gesprächsmerkmalen**
Diese Berechtigung ist für Konversationsanalysen in Contact Lens nicht erforderlich, aber sie ist hilfreich, da sie mehr Suchoptionen bietet.
Auf der Seite **Kontaktsuche** haben Sie folgende Möglichkeiten:
+ Für Sprachkontakte sind zusätzliche Filter verfügbar, mit denen Sie sich Ergebnisse nach Stimmungswert und sprechfreier Zeit anzeigen lassen können.
+ Für Chat-Kontakte können Sie einen zusätzlichen Filter nutzen, um anhand der Reaktionszeit nach Kontakten zu suchen.
+ Sowohl für Sprach- als auch für Chat-Konversationen können Sie nach Gesprächen suchen, die in bestimmte Kontaktkategorien fallen.
Weitere Informationen finden Sie unter [Suche nach Stimmungswert/-verschiebung](search-conversations.md#sentiment-search), [Suchen nach Nicht-Gesprächszeit](search-conversations.md#nontalk-time-search) und [Suche nach einer Kontaktkategorie](search-conversations.md#contact-category-search).
Die folgende Abbildung zeigt den Abschnitt **Filter** der Seite **Kontaktsuche** und das Dropdownmenü **Filter**. Filter, neben denen **CL** steht, sind nur für Benutzer verfügbar, die über diese Sicherheitsprofilberechtigung verfügen.
![\[Das Dropdownmenü „Filter hinzufügen“, Filter, neben denen CL steht\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-search-contact-category-3.png)
+ **Kontaktsuche nach Schlüsselwörtern**
Diese Berechtigung ist für Konversationsanalysen in Contact Lens nicht erforderlich, aber sie ist hilfreich, da sie mehr Suchoptionen bietet.
+ Auf der Seite **Kontaktsuche** können Sie auf zusätzliche Filter zugreifen, mit denen Sie Kontakte nach **Wörtern oder Wortgruppen** durchsuchen können, z. B. nach *vielen Dank für den Einkauf*. Weitere Informationen finden Sie unter [Suche nach Wörtern und Wortgruppen](search-conversations.md#keyword-search).
![\[Das Dropdown-Menü „Filter hinzufügen“, der CL-Filter „Wörter oder Wortgruppen“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-search-words-phrases.png)
# Metriken zur Konversationsanalyse in Amazon Connect
Die folgenden Metriken stammen aus Konversationsanalysen von Contact Lens. Diese Metriken sind nur verfügbar, wenn [Contact Lens für Ihre Instance aktiviert ist](enable-analytics.md#enable-cl) und die [Konversationsanalyse](enable-analytics.md#enable-callrecording-speechanalytics) für den Kontakt aktiviert ist.
Die Werte werden in den Berichten „Echtzeitmetriken“ und „Verlaufsmetriken“ angezeigt. Anleitungen dazu, wie Sie die Metriken Ihrem Bericht hinzufügen, finden Sie unter [Verfahrensweise zum Erstellen eines Verlaufsmetrikenberichts](create-historical-metrics-report.md#historical-reports-howto-create).
Sehen Sie sich auch das [Contact Lens-Dashboard für Konversationsanalysen](contact-lens-conversational-analytics-dashboard.md) an, das Datenvisualisierungen zu den Trends der Kontaktgründe im Laufe der Zeit bietet.
## Prozentsatz der Gesprächszeit des Kundendienstmitarbeiters
Diese Metrik misst die Zeit, die ein Kundendienstmitarbeiter in einer Sprachkonversation spricht, als Prozentsatz der gesamten Gesprächsdauer.
**Metriktyp**: Prozent
**Metrikkategorie**: Metrik, die auf Konversationsanalysen basiert
**So greifen Sie über die Amazon-Connect-API zu**:
+ [GetMetricDataV2-API-Metrik-ID](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `PERCENT_TALK_TIME_AGENT`
**So greifen Sie über die Amazon Connect Admin-Website** zu:
+ Verlaufsmetrikberichte: Prozentsatz der Gesprächszeit des Kundendienstmitarbeiters
**Berechnungslogik**:
+ Summieren aller Intervalle, in denen ein Kundendienstmitarbeiter an einem Gespräch beteiligt war (Gesprächszeit des Kundendienstmitarbeiter);
+ Dividieren der Summe durch die gesamte Gesprächsdauer.
**Hinweise:**
+ Diese Metrik ist nur für Kontakte verfügbar, die mit der Konversationsanalyse von Contact Lens analysiert wurden.
## Durchschnittliche Begrüßungszeit des Kundendienstmitarbeiters
Diese Metrik stellt die durchschnittliche Zeit für die erste Reaktion von Kundendienstmitarbeitern im Chat dar und gibt an, wie schnell sie mit Kunden in Kontakt treten, nachdem sie dem Chat beigetreten sind.
**Metriktyp**: Zeichenfolge (*hh:mm:ss*)
**Metrikkategorie**: Metrik, die auf Konversationsanalysen basiert
**So greifen Sie über die Amazon-Connect-API zu**:
+ [GetMetricDataV2-API-Metrik-ID](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `AVG_GREETING_TIME_AGENT`
**So greifen Sie über die Amazon Connect Admin-Website** zu:
+ Verlaufsmetrikberichte: Begrüßungszeit des Kundendienstmitarbeiters
**Berechnungslogik**:
+ Diese Metrik wird berechnet, indem die Gesamtzeit, die ein Kundendienstmitarbeiter benötigt, um seine erste Antwort einzuleiten, durch die Anzahl der Chat-Kontakte geteilt wird.
**Hinweise:**
+ Diese Metrik ist nur für Kontakte verfügbar, die mit der Konversationsanalyse von Contact Lens analysiert wurden.
## Durchschnittliche Kundendienstmitarbeiterunterbrechungen
Diese Metrik quantifiziert die durchschnittliche Häufigkeit von Kundendienstmitarbeiterunterbrechungen bei Kundeninteraktionen.
**Metriktyp**: Zeichenfolge (*hh:mm:ss*)
**Metrikkategorie**: Metrik, die auf Konversationsanalysen basiert
**So greifen Sie über die Amazon-Connect-API zu**:
+ [GetMetricDataV2-API-Metrik-ID](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `AVG_INTERRUPTIONS_AGENT`
**So greifen Sie über die Amazon Connect Admin-Website** zu:
+ Verlaufsmetrikberichte: Durchschnittliche Kundendienstmitarbeiterunterbrechungen
**Berechnungslogik**:
+ Diese Metrik wird berechnet, indem die Gesamtzahl der Unterbrechungen des Kundendienstmitarbeiters durch die Gesamtzahl der Kontakte dividiert wird.
**Hinweise:**
+ Diese Metrik ist nur für Kontakte verfügbar, die mit der Konversationsanalyse von Contact Lens analysiert wurden.
## Durchschnittliche Dauer der Kundendienstmitarbeiterunterbrechungen
Diese Metrik misst die durchschnittliche Dauer der Kundendienstmitarbeiterunterbrechungen während des Gesprächs mit einem Kontakt.
**Metriktyp**: Zeichenfolge (*hh:mm:ss*)
**Metrikkategorie**: Metrik, die auf Konversationsanalysen basiert
**So greifen Sie über die Amazon-Connect-API zu**:
+ [GetMetricDataV2-API-Metrik-ID](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `AVG_INTERRUPTION_TIME_AGENT`
**So greifen Sie über die Amazon Connect Admin-Website** zu:
+ Verlaufsmetrikberichte: Durchschnittliche Dauer der Kundendienstmitarbeiterunterbrechungen
**Berechnungslogik**:
+ Summieren der Unterbrechungsintervalle innerhalb jeder Konversation;
+ Summe durch die Anzahl der Konversationen, bei denen mindestens eine Unterbrechung aufgetreten ist, dividieren.
**Hinweise:**
+ Diese Metrik ist nur für Kontakte verfügbar, die mit der Konversationsanalyse von Contact Lens analysiert wurden.
## Durchschnittliche Gesprächszeit des Kundendienstmitarbeiters
Durchschnittliche Zeit, die ein Kundendienstmitarbeiter in einem Konversation gesprochen hat.
**Metriktyp**: Zeichenfolge (*hh:mm:ss*)
**Metrikkategorie**: Metrik, die auf Konversationsanalysen basiert
**So greifen Sie über die Amazon-Connect-API zu**:
+ [GetMetricDataV2-API-Metrik-ID](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `AVG_TALK_TIME_AGENT`
**So greifen Sie über die Amazon Connect Admin-Website** zu:
+ Verlaufsmetrikberichte: Durchschnittliche Gesprächszeit des Kundendienstmitarbeiters
**Berechnungslogik**:
+ Die Dauer aller Intervalle, in denen der Kundendienstmitarbeiter gesprochen hat, wird summiert.
+ Diese Summe durch die Gesamtzahl der Kontakte dividieren.
**Hinweise:**
+ Diese Metrik ist nur für Kontakte verfügbar, die mit der Konversationsanalyse von Contact Lens analysiert wurden.
## Durchschnittliche Gesprächsdauer
Diese Metrik misst die durchschnittliche Gesprächsdauer von Sprachkontakten mit Kundendienstmitarbeitern.
**Metriktyp**: Zeichenfolge (*hh:mm:ss*)
**Metrikkategorie**: Metrik, die auf Konversationsanalysen basiert
**So greifen Sie über die Amazon-Connect-API zu**:
+ [GetMetricDataV2-API-Metrik-ID](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `AVG_CONVERSATION_DURATION`
**So greifen Sie über die Amazon Connect Admin-Website** zu:
+ Verlaufsmetrikberichte: Durchschnittliche Gesprächsdauer
**Berechnungslogik**:
+ Diese Metrik wird aus der Gesamtzeit vom Beginn der Konversation bis zum letzten Wort, das entweder vom Kundendienstmitarbeitern oder vom Kunden gesprochen wurde, berechnet.
+ Dieser Wert wird dann durch die Gesamtzahl der Kontakte geteilt, um eine durchschnittliche Darstellung der für den Anruf aufgewendeten Gesprächszeit zu erhalten.
**Hinweise:**
+ Diese Metrik ist nur für Kontakte verfügbar, die mit der Konversationsanalyse von Contact Lens analysiert wurden.
## Durchschnittliche Kundengesprächszeit
Diese Metrik misst die durchschnittliche Zeit, die in einem Kundengespräche gesprochen wurde.
**Metriktyp**: Zeichenfolge (*hh:mm:ss*)
**Metrikkategorie**: Metrik, die auf Konversationsanalysen basiert
**So greifen Sie über die Amazon-Connect-API zu**:
+ [GetMetricDataV2-API-Metrik-ID](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `AVG_TALK_TIME_CUSTOMER`
**So greifen Sie über die Amazon Connect Admin-Website** zu:
+ Verlaufsmetrikberichte: Durchschnittliche Kundengesprächszeit
**Berechnungslogik**:
+ Summieren der Dauer aller Intervalle, in denen der Kunde gesprochen hat.
+ Diese Summe durch die Gesamtzahl der Kontakte dividieren.
**Hinweise:**
+ Diese Metrik ist nur für Kontakte verfügbar, die mit der Konversationsanalyse von Contact Lens analysiert wurden.
## Durchschnittliche Nicht-Gesprächszeit
Diese Metrik misst die durchschnittliche Dauer der sprechfreien Zeit in einer Sprachkonversation. Die Gesprächszeit bezieht sich auf die kombinierte Dauer von Wartezeiten und Ruhephasen von mehr als 3 Sekunden, während weder der Kundendienstmitarbeiter noch der Kunde an einem Gespräch beteiligt sind.
**Metriktyp**: Zeichenfolge (*hh:mm:ss*)
**Metrikkategorie**: Metrik, die auf Konversationsanalysen basiert
**So greifen Sie über die Amazon-Connect-API zu**:
+ [GetMetricDataV2-API-Metrik-ID](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `AVG_NON_TALK_TIME`
**So greifen Sie über die Amazon Connect Admin-Website** zu:
+ Verlaufsmetrikberichte: Durchschnittliche Nicht-Gesprächszeit
**Berechnungslogik**:
+ Summieren aller Intervalle, in denen beide Teilnehmer geschwiegen haben.
+ Dividieren der Summe durch die Anzahl der Kontakte.
**Hinweise:**
+ Diese Metrik ist nur für Kontakte verfügbar, die mit der Konversationsanalyse von Contact Lens analysiert wurden.
## Durchschnittliche Gesprächszeit
Diese Metrik misst die durchschnittliche Zeit, die während eines Sprachkontakts entweder mit dem Kunden oder dem Kundendienstmitarbeitern für Gespräche aufgewendet wurde.
**Metriktyp**: Zeichenfolge (*hh:mm:ss*)
**Metrikkategorie**: Metrik, die auf Konversationsanalysen basiert
**So greifen Sie über die Amazon-Connect-API zu**:
+ [GetMetricDataV2-API-Metrik-ID](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `AVG_TALK_TIME`
**So greifen Sie über die Amazon Connect Admin-Website** zu:
+ Verlaufsmetrikberichte: Mittlere Gesprächszeit
**Berechnungslogik**:
+ Summieren aller Intervalle, in denen entweder ein Kundendienstmitarbeiter, ein Kunde oder beide miteinander gesprochen haben.
+ Diese Summe durch die Gesamtzahl der Kontakte dividieren.
**Hinweise:**
+ Diese Metrik ist nur für Kontakte verfügbar, die mit der Konversationsanalyse von Contact Lens analysiert wurden.
## Prozentsatz der Gesprächszeit des Kunden
Diese Metrik liefert die Gesprächszeit eines Kunden in einer Sprachkonversation als Prozentsatz der gesamten Gesprächsdauer.
**Metriktyp**: Prozent
**Metrikkategorie**: Metrik, die auf Konversationsanalysen basiert
**So greifen Sie über die Amazon-Connect-API zu**:
+ [GetMetricDataV2-API-Metrik-ID](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `PERCENT_TALK_TIME_CUSTOMER`
**So greifen Sie über die Amazon Connect Admin-Website** zu:
+ Verlaufsmetrikberichte: Prozentsatz der Gesprächszeit des Kunden
**Berechnungslogik**:
+ Summieren aller Intervalle, in denen sich der Kunde an der Konversation beteiligt hat.
+ Dividieren der Summe durch die gesamte Gesprächsdauer.
**Hinweise:**
+ Diese Metrik ist nur für Kontakte verfügbar, die mit der Konversationsanalyse von Contact Lens analysiert wurden.
## Prozentsatz der Nicht-Gesprächszeit
Diese Metrik liefert die Nicht-Gesprächszeit in einer Sprachkonversation als Prozentsatz der gesamten Gesprächsdauer.
**Metriktyp**: Prozent
**Metrikkategorie**: Metrik, die auf Konversationsanalysen basiert
**So greifen Sie über die Amazon-Connect-API zu**:
+ [GetMetricDataV2-API-Metrik-ID](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `PERCENT_NON_TALK_TIME`
**So greifen Sie über die Amazon Connect Admin-Website** zu:
+ Verlaufsmetrikberichte: Prozentsatz der Nicht-Gesprächszeit
**Berechnungslogik**:
+ Summieren aller Intervalle, in denen die Teilnehmer geschwiegen haben (Nicht-Gesprächszeit).
+ Dividieren der Summe durch die gesamte Gesprächsdauer.
**Hinweise:**
+ Diese Metrik ist nur für Kontakte verfügbar, die mit der Konversationsanalyse von Contact Lens analysiert wurden.
## Prozentsatz der Gesprächszeit
Diese Metrik gibt die Gesprächszeit in einer Sprachkonversation als Prozentsatz der gesamten Gesprächsdauer an.
**Metriktyp**: Prozent
**Metrikkategorie**: Metrik, die auf Konversationsanalysen basiert
**So greifen Sie über die Amazon-Connect-API zu**:
+ [GetMetricDataV2-API-Metrik-ID](https://docs.aws.amazon.com/connect/latest/APIReference/API_GetMetricDataV2.html): `PERCENT_TALK_TIME`
**So greifen Sie über die Amazon Connect Admin-Website** zu:
+ Verlaufsmetrikberichte: Prozentsatz der Gesprächszeit
**Berechnungslogik**:
+ Summieren aller Intervalle, in denen entweder ein Kundendienstmitarbeitern, ein Kunde oder beide gesprochen haben (Gesprächszeit).
+ Dividieren der Summe durch die gesamte Gesprächsdauer.
**Hinweise:**
+ Diese Metrik ist nur für Kontakte verfügbar, die mit der Konversationsanalyse von Contact Lens analysiert wurden.
# Benachrichtigungstypen in Amazon Connect Contact Lens
Contact Lens bietet die folgenden Benachrichtigungstypen:
+ Contact LensÜbereinstimmende Call/Chat Regeln posten: Jedes Mal, wenn eine Contact Lens Regel zutrifft, wird ein EventBridge Ereignis ausgelöst und die EventBridge Regelaktion ausgelöst.
Dieses Ereignis enthält hilfreiche Informationen über die ausgelöste Contact Lens-Regel, einschließlich der zugewiesenen Kategorie sowie Einzelheiten zum Kundendienstmitarbeiter, dem Kontakt und der Warteschlange.
+ Contact LensÜbereinstimmende Call/Chat Regeln in Echtzeit: Jedes Mal, wenn eine Contact Lens Regel zutrifft, wird ein EventBridge Ereignis ausgelöst und in Echtzeit ausgelöst.
Dieses Ereignis enthält hilfreiche Informationen über die ausgelöste Contact Lens-Regel, einschließlich der zugewiesenen Kategorie sowie Einzelheiten zum Kundendienstmitarbeiter, dem Kontakt und der Warteschlange.
+ Contact LensÄnderung des Analysestatus: Ein EventBridge Ereignis wird ausgelöst, wenn Contact Lens eine Kontaktaufzeichnung nicht analysiert werden kann. Das Ereignis enthält den Code für die Ursache des Ereignisses, aus dem hervorgeht, warum die Aufzeichnung nicht verarbeitet werden konnte.
Sie können diese Benachrichtigungstypen in einer Vielzahl von Szenarien einsetzen. Verwenden Sie beispielsweise Contact Lens Analyse-Status-Change-Ereignisse, um auf unerwartete Fehler bei der Verarbeitung einer Kontaktdatei hinzuweisen. EventBridge Eventdetails können anschließend zur weiteren Überprüfung in einem CloudWatch Protokoll gespeichert werden, zusätzliche Workflows auslösen oder die zuständigen Support-Teams zur weiteren Untersuchung benachrichtigen.
Die Ereignisse für Sprach- und Chat-Analysen in Contact Lens ermöglichen zahlreiche neue Anwendungsfälle, wie z. B. das Einblenden und Visualisieren zusätzlicher Erkenntnisse. Beispiele:
+ Generieren von Benachrichtigungen über eine Verschlechterung der Kundenstimmung in Echtzeit bei allen Anrufen und Chat-Konversationen
+ Zusammenfassung und Berichterstellung bei wiederkehrenden Problemen und Themen
+ Messung der Wirkung der aktuellen Marketingkampagne, indem ermittelt wird, wie viele Kunden während eines Anrufs darauf verwiesen haben
+ Anpassung der Compliance-Standards für Kundendienstmitarbeiter an jede Region und jeden Geschäftsbereich und bei Bedarf Anmeldung von Kundendienstmitarbeitern für zusätzliche Trainings
# Hinzufügen von benutzerdefinierten Vokabularen zu Contact Lens über die Admin-Website von Amazon Connect
Sie können die Genauigkeit der Spracherkennung für Produktnamen, Markennamen und domänenspezifische Terminologie verbessern, indem Sie den Wortschatz der speech-to-text Engine erweitern und anpassen. Contact Lens
In diesem Thema wird erklärt, wie Sie mithilfe der Admin-Website benutzerdefinierte Vokabeln hinzufügen. Amazon Connect Sie können sie auch mit dem [CreateVocabulary](https://docs.aws.amazon.com/connect/latest/APIReference/API_CreateVocabulary.html)und [AssociateDefaultVocabulary](https://docs.aws.amazon.com/connect/latest/APIReference/API_AssociateDefaultVocabulary.html) APIshinzufügen.
## Wissenswertes über benutzerdefinierte Vokabulare
+ Sie müssen ein Vokabular als **Standard** festlegen, damit es auf die Analysen zur Erstellung von Transkripten angewendet wird. Die folgende Abbildung zeigt die Seite **Benutzerdefinierte Vokabulare**. Wählen Sie im Dreipunktmenü **Als Standard festlegen** aus.
![\[Die Seite „Benutzerdefinierte Vokabulare“, die Position der Dreipunktmenüs, die Option „Als Standard festlegen“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-custom-vocab-default.png)
+ Sie können jeweils ein Vokabular pro Sprache auf die Analysen anwenden lassen. Das bedeutet, dass nur eine Datei pro Sprache den Status **Bereit (Standard)** haben kann.
+ Sie können bis zu 20 Vokabulardateien hochladen und aktivieren. Alle 20 Dateien können gleichzeitig aktiviert werden.
+ Transkription ist ein einmaliges Ereignis. Ein neu hochgeladenes Vokabular wird nicht rückwirkend auf bestehende Transkriptionen angewendet.
+ Ihre Textdatei muss im LF-Format sein. Wenn Sie ein anderes Format verwenden, z. B. das CRLF-Format, wird Ihr benutzerdefiniertes Vokabular von Amazon Transcribe nicht akzeptiert.
+ Die Beispiel-Vokabulardatei kann nur heruntergeladen werden, wenn Sie eine englische Spracheinstellung festlegen.
+ Informationen zur Größenbeschränkung bei der Vokabulardatei und anderen Anforderungen finden Sie unter [Benutzerdefinierte Vokabulare](https://docs.aws.amazon.com/transcribe/latest/dg/custom-vocabulary.html) im *Amazon-Transcribe-Entwicklerhandbuch*.
+ Benutzerdefinierte Vokabulare werden nur auf Sprachanalysen angewendet. Sie werden nicht auf Chat-Konversationen angewendet, da die Transkripte bereits existieren.
## Erforderliche Berechtigungen
Bevor Sie Amazon Connect benutzerdefinierte Vokabulare hinzufügen können, muss Ihrem Sicherheitsprofil die Berechtigung **Analyse und Optimierung**, **Contact Lens – Benutzerdefinierte Vokabulare** zugewiesen werden.
In neuen Instanzen von Amazon Connect verfügen die **Admin** - und **CallCenterManager**Sicherheitsprofile standardmäßig über diese Berechtigung.
Weitere Informationen zum Hinzufügen weiterer Berechtigungen zu einem vorhandenen Sicherheitsprofil finden Sie unter [Aktualisieren von Sicherheitsprofilen in Amazon Connect](update-security-profiles.md).
## Hinzufügen eines benutzerdefinierten Vokabulars
1. Melden Sie sich bei Amazon Connect mit einem Benutzerkonto an, das über die erforderlichen Berechtigungen zum Hinzufügen benutzerdefinierter Vokabulare verfügt.
1. Navigieren Sie zu **Analyse und Optimierung**, **Benutzerdefinierte Vokabulare**.
1. Wählen Sie **Benutzerdefiniertes Vokabular hinzufügen** aus.
1. Geben Sie auf der Seite **Benutzerdefiniertes Vokabular hinzufügen** einen Namen für das Vokabular ein und wählen Sie eine englische Sprachvariante und dann **Herunterladen einer Beispieldatei** aus.
**Anmerkung**
Die Beispiel-Vokabulardatei kann nur heruntergeladen werden, wenn Sie eine englische Spracheinstellung festlegen. Andernfalls wird eine Fehlermeldung angezeigt, wie auf der folgenden Abbildung zu sehen.
![\[Die Fehlermeldung, dass die Verarbeitung der Vokabulardatei fehlgeschlagen ist\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-custom-vocab-sample-error.png)
Die folgende Abbildung zeigt, wie die Beispiel-Vokabulardatei aussieht. Der Header enthält `Phrase`,`IPA`,`SoundsLike` und `DisplayAs`. Der Header ist erforderlich.
![\[Eine Beispiel-Vokabulardatei, der Header\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-custom-vocab-header.png)
1. Die Informationen in der Datei sind durch einen Tabulator pro Eintrag getrennt. Einzelheiten zum Hinzufügen von Wörtern und Akronymen zu Ihrer Vokabulardatei finden Sie unter [Erstellen eines benutzerdefinierten Vokabulars anhand einer Tabelle](https://docs.aws.amazon.com/transcribe/latest/dg/custom-vocabulary-create-table.html) im *Amazon-Transcribe-Entwicklerhandbuch*.
Die folgende Abbildung zeigt Wörter in einer Beispiel-Vokabulardatei. Wörter in der Spalte „Phrase“ sind erforderlich. Wörter in den Spalten `IPA`, `SoundsLike` und `DisplayAs` sind optional.
![\[Eine Beispiel-Vokabulardatei, Wörter in der Spalte „Phrase“ erforderlich\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-custom-vocab-phrase-column.png)
Wenn Sie mehrere Wörter in die Spalte **Phrase** eingeben möchten, trennen Sie einzelne Wörter durch einen Bindestrich (-). Verwenden Sie keine Leerzeichen.
## Vokabularstatus
+ **Bereit (Standard)**: Das Vokabular wird auf die Analysen angewendet, um Transkripte zu erstellen. Es wird sowohl auf Echtzeit- als auch auf Analysen nach dem Gespräch angewendet.
+ **Bereit**: Das Vokabular wird nicht auf Analysen angewendet, aber es ist eine gültige Datei und verfügbar. Wenn Sie es auf Analysen anwenden möchten, setzen Sie es auf Standard.
+ **Wird verarbeitet**: Amazon Connect validiert Ihr hochgeladenes Vokabular und versucht, es auf die Analysen anzuwenden, um Transkripte zu generieren.
+ **Wird gelöscht**: Sie haben sich entschieden, das Vokabular zu **entfernen**, und Amazon Connect löscht es jetzt.
Es dauert etwa 90 Minuten, bis Amazon Connect ein Vokabular gelöscht hat.
Wenn Sie versuchen, ein Vokabular hochzuladen, das nicht validiert werden kann, wird der Status **Fehlgeschlagen** angezeigt. Wenn Sie beispielsweise Wortgruppen mit mehreren Wörtern zur Spalte **Phrase** hinzufügen und diese durch Leerzeichen statt durch Bindestriche trennen, schlägt die Validierung fehl.
## Herunterladen und Ansehen eines benutzerdefinierten Vokabulars
Wenn Sie sich ein benutzerdefiniertes Vokabular ansehen möchten, das hochgeladen wurde, laden Sie die Datei herunter und öffnen Sie sie. Nur Dateien mit dem Status **Bereit** können heruntergeladen und angesehen werden.
1. Navigieren Sie zu **Analyse und Optimierung**, **Benutzerdefinierte Vokabulare**.
1. Wählen Sie das **Dreipunktmenü**, **Herunterladen** aus. Die Stelle, an der **Herunterladen** zu finden ist, ist auf der folgenden Abbildung zu sehen.
![\[Die Seite „Benutzerdefinierte Vokabulare“, eine Liste von Vokabularen, das Dreipunktmenü und die Option „Herunterladen“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-custom-vocab-download.png)
1. Öffnen Sie den Download, um sich den Inhalt anzusehen.
1. Sie können den Inhalt ändern und dann **Speichern und hochladen** auswählen.
# Erstellen von Regeln für Contact Lens mithilfe der Amazon-Connect-Admin-Website
Contact LensRegeln ermöglichen es Ihnen, Kontakte automatisch zu kategorisieren, Benachrichtigungen zu erhalten oder Aufgaben auf der Grundlage von Schlüsselwörtern, die während eines Anrufs, Chats oder einer E-Mail verwendet werden, Stimmungswerten, Kundenattributen und anderen Kriterien zu generieren.
In diesem Thema wird erklärt, wie Regeln mithilfe der Amazon Connect Admin-Website erstellt werden. Informationen zum programmgesteuerten Erstellen und Verwalten von Regeln finden Sie unter [Regelaktionen](https://docs.aws.amazon.com/connect/latest/APIReference/rules-api.html), und die [Sprache der Amazon-Connect-Regelfunktion](https://docs.aws.amazon.com/connect/latest/APIReference/connect-rules-language.html) finden Sie im *Amazon-Connect-API-Referenzhandbuch*.
**Tipp**
Eine Liste der Feature-Spezifikationen für Regeln (z. B. wie viele Regeln Sie erstellen können) finden Sie unter [Amazon Connect Regeln, Funktionen, Spezifikationen](feature-limits.md#rules-feature-specs).
## Schritt 1: Festlegen von Regelbedingungen für Konversationsanalysen
1. Wählen Sie im Navigationsmenü **Analyse und Optimierung**, **Regeln** aus.
1. Wählen Sie **Regel erstellen**, **Konversationsanalysen** aus.
1. **Wählen Sie in der Dropdownliste unter **Wann** die Analyse **nach dem Anruf, die Analyse** **in Echtzeit, die Analyse** **nach dem Chat oder die E-Mail-Analyse** aus.**
![\[Die Seite „Neue Regel“, das Dropdownmenü „Wann\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rule-define-conditions.png)
1. Klicken Sie auf **Bedingung hinzufügen**.
Sie können Kriterien aus einer Vielzahl von Bedingungen zusammenstellen, um sehr spezifische Regeln für Contact Lens zu erstellen. Im Folgenden sind die verfügbaren Bedingungen aufgeführt:
+ **Wörter oder Wortgruppen**: Sie können zwischen [„Genaue Übereinstimmung“, „Musterübereinstimmung“ oder „Semantische Übereinstimmung“](exact-match-pattern-match-semantic-match.md) wählen, um eine Benachrichtigung oder eine Aufgabe auszulösen, wenn Schlüsselwörter geäußert werden.
+ **Natürliche Sprache – Semantische Übereinstimmung**: Geben Sie eine Aussage in natürlicher Sprache ein (z. B. ein Kunde hat angerufen, um sein Konto zu kündigen), um sie mithilfe generativer KI mit Konversationstranskripten abzugleichen. Dann können Sie eine Aktion ausführen (eine Aufgabe auslösen, eine Bewertung durchführen usw.). Weitere Informationen finden Sie unter [Semantischer Abgleich auf Basis generativer KI](natural-language-semantic-match.md).
+ **After Contact Work (ACW)**: Erstellen Sie Regeln, um die Effizienz der Mitarbeiter bei der Erledigung von Aufgaben nach dem Kontakt zu messen.
+ **Agentenhierarchie**: Erstellen Sie Regeln, die auf einer bestimmten Agentenhierarchie ausgeführt werden. Agentenhierarchien können geografische Standorte, Abteilungen, Produkte oder Teams repräsentieren.
Um eine Liste der Agentenhierarchien zu sehen, sodass Sie sie zu Regeln hinzufügen können, benötigen Sie in Ihrem **Sicherheitsprofil die Berechtigung Agentenhierarchie — Ansicht**.
+ **Kundendienstmitarbeiter**: Sie können Regeln erstellen, die für eine Untergruppe von Kundendienstmitarbeitern ausgeführt werden. Erstellen Sie beispielsweise eine Regel, mit der sichergestellt wird, dass neu eingestellte Kundendienstmitarbeiter die Unternehmensstandards einhalten.
Damit Sie die Namen von Kundendienstmitarbeitern sehen können, um sie zu Regeln hinzuzufügen, benötigen Sie in Ihrem Sicherheitsprofil die Berechtigungen **Benutzer – Anzeigen**.
+ **KI-Agent**: Identifizieren Sie Kontakte, bei denen ein bestimmter Connect AI-Agent Self-Service oder Agentenunterstützung geleistet hat. Sie können mehrere AI-Agenten oder eine bestimmte Version eines Agenten auswählen.
Um die Namen der KI-Agenten zu sehen, sodass Sie sie zu Regeln hinzufügen können, benötigen Sie **AI-Agenten — Berechtigungen anzeigen** in Ihrem Sicherheitsprofil.
+ **KI-Agent — Eskalation**: Identifizieren Sie Kontakte, wenn ein Connect AI-Agent, der für den Kunden-Self-Service verwendet wurde, an einen Menschen eskaliert hat.
Um die Namen der KI-Agenten zu sehen, sodass Sie sie zu Regeln hinzufügen können, benötigen Sie **KI-Agenten — Berechtigungen anzeigen** in Ihrem Sicherheitsprofil.
+ **Dauer der Interaktion mit Kundendienstmitarbeiter**: Sie können Regeln erstellen, um Kontakte zu identifizieren, bei denen die Interaktion mit dem Kundendienstmitarbeiter länger oder kürzer als erwartet war. Dieses Feature ist nur für Anrufe anwendbar.
+ **Kontaktsegmentattribute**: Sie können Kontakte innerhalb von Regeln mithilfe von benutzerdefinierten Kontaktsegmentattributen mit Werten aus anderen Systemen oder mithilfe benutzerdefinierter Logik identifizieren. Sie können [ein Attribut definieren](predefined-attributes.md#predefined-attributes-create-web-admin) und seinen Wert in Flows festlegen. Benutzerdefinierte Segmentattribute sind nur für diese spezifische Kontakt-ID und nicht für die gesamte Kontaktkette vorhanden. Sie können beispielsweise eine Regel erstellen, die festlegt, dass der Kontakt in IVR vorab authentifiziert wurde, bevor er mit dem Agenten verbunden wurde.
Um die Liste der Kontaktsegmentattribute zu sehen, die zu einer Regel hinzugefügt werden sollen, benötigen Sie **Vordefinierte Attribute — Berechtigungen** anzeigen.
+ **Grund der Unterbrechung**: Erstellen Sie Regeln, die überprüfen, warum ein Kontakt die Verbindung unterbrochen hat. Zum Beispiel, wenn der Agent die Verbindung vor dem Kunden unterbrochen hat oder wenn der Kontakt weitergeleitet wurde.
+ **Höchster Lautheitswert**: Erstellen Sie Regeln, die den höchsten Lautstärkewert (in Dezibel) während der Konversation für den Agenten oder den Kunden überprüfen. Eine höhere Lautstärke (z. B. über 70 dB) kann mit Aufregung oder Wut in Verbindung gebracht werden, während Sprache unter einem bestimmten Lautstärkewert (z. B. 30 dB oder niedriger) möglicherweise schwer zu verstehen ist.
+ **Wartezeit**: Erstellen Sie Regeln zur Identifizierung von Kontakten mit ungewöhnlichen Wartezeiten, um Möglichkeiten für einen effizienteren Umgang mit Kontakten zu ermitteln. Sie können Regeln für die längste Haltezeit, die gesamte Haltezeit und die Anzahl der Haltezeiten festlegen. Sie können auch überprüfen, ob die Haltezeit als Prozentsatz der Gesamtzeit, in der der Kunde mit dem Agenten verbunden war, angegeben wird (Kundenhaltezeit geteilt durch die Interaktionsdauer des Agenten und die Haltezeit des Kunden).
+ **Methode zur Initiierung**: Erstellen Sie Regeln, mit denen überprüft wird, ob ein Kontakt eingehend, ausgehend, weitergeleitet usw. war.
+ **Kontaktattribute**: Sie können Regeln erstellen, die auf den Werten benutzerdefinierter [Kontaktattribute](what-is-a-contact-attribute.md) basieren. Erstellen Sie beispielsweise Regeln speziell für einen bestimmten Geschäftsbereich oder für bestimmte Kunden, z B. basierend auf ihrer Mitgliedschaftsstufe, dem Land ihres aktuellen Wohnsitzes oder darauf, ob sie eine ausstehende Bestellung haben.
Sie können bis zu fünf Kontaktattribute zu einer Regel hinzufügen.
+ **Stimmung – Zeitraum**: Sie können Regeln erstellen, die auf Grundlage der Ergebnisse der Stimmungsanalyse (positiv, negativ oder neutral) für ein abschließendes Zeitfenster angewendet werden.
Erstellen Sie beispielsweise eine Regel für den Fall, dass die Kundenstimmung über einen bestimmten Zeitraum negativ bleibt. Wenn der Teilnehmer dem Kontakt später beigetreten ist, gilt der hier festgelegte Zeitraum für die Zeit, in der er anwesend war.
Wenn Regeln auf Kontakte angewendet werden, für die keine Stimmungsdaten vorliegen, wird die neutrale Stimmung verwendet.
+ **Stimmung – Gesamter Kontakt**: Sie können Regeln erstellen, die auf dem Wert der Stimmungswerte für einen gesamten Kontakt basieren. Erstellen Sie beispielsweise eine Regel, durch die eine Aufgabe für einen Kundenbetreuungsanalysten zur Überprüfung des Anruftranskripts und der Nachbereitung erstellt wird, wenn die Kundenstimmung während des gesamten Kontakts niedrig geblieben ist.
Wenn Regeln auf Kontakte angewendet werden, für die keine Stimmungsdaten vorliegen, wird die neutrale Stimmung verwendet.
+ **Unterbrechungen**: Sie können Regeln erstellen, die erkennen, wann Kundendienstmitarbeiter Kunden mehr als X-mal unterbrochen haben. Dieses Feature ist nur für Anrufe anwendbar.
+ **Gesprächsfreie Zeit**: Erstellen Sie Regeln, die prüfen, ob keine Sprache erkannt wurde. Dies kann auch Zeiten beinhalten, in denen ein Kunde in die Warteschleife versetzt wird. Sie können die Gesamtzahl der Nichtgesprächszeiten, die längste Nichtgesprächszeit innerhalb einer Konversation oder den Prozentsatz der Nichtgesprächszeit während der Konversation überprüfen. Eine hohe Gesprächsdauer, z. B. ein Prozentsatz an Gesprächsunterbrechungen von mehr als 50 Prozent der Konversation, kann auf eine Möglichkeit zur Verbesserung von Prozessen oder Coaching-Möglichkeiten für Agenten hinweisen. Dieses Feature ist nur für Anrufe anwendbar.
+ **Reaktionszeit**: Sie können Regeln erstellen, um Kontakte zu identifizieren, bei denen die Reaktionszeit der Teilnehmer länger oder kürzer als erwartet war: „Durchschnitt“ oder „Maximum“.
Erstellen Sie beispielsweise eine Regel für die **Begrüßungszeit des Kundendienstmitarbeiters**, die auch als **Erstreaktionszeit** bezeichnet wird: Wie lange dauert es, bis Kundendienstmitarbeiter die erste Begrüßungsnachricht gesendet hat, nachdem sie dem Chat beigetreten sind? Auf diese Weise können Sie feststellen, wann Kundendienstmitarbeiter zu lange dafür gebraucht haben, eine Interaktion mit Kunden zu beginnen.
+ **Potenzielles Problem beim Trennen**: Erstellen Sie Regeln, die nach technischen Problemen suchen (z. B. Netzwerkkonnektivität, Geräteprobleme). Sie können dies verwenden, um Kontakte von automatisierten Leistungsbeurteilungen der Agenten auszuschließen, wenn Verbindungsprobleme auftraten, auf die der Agent keinen Einfluss hat.
+ **Warteschlangen**: Erstellen Sie Regeln, die für eine Teilmenge von Warteschlangen gelten, oder überprüfen Sie, ob sich der Kontakt nicht in der Warteschlange befindet. Oft verwenden Unternehmen Warteschlangen, um einen Geschäftsbereich, ein Thema oder eine Domain anzugeben. Sie könnten beispielsweise Regeln speziell für Ihre Verkaufswarteschlangen erstellen, um die Auswirkungen einer aktuellen Marketingkampagne nachzuverfolgen, oder alternativ Regeln für Ihre Kundensupport-Warteschlangen, um die allgemeine Stimmung zu verfolgen. Bei Self-Service-Interaktionen können Sie überprüfen, ob der Kontakt nie in der Warteschlange stand, was möglicherweise auf einen erfolgreichen Self-Service mit einem KI-Agenten hindeutet.
Um Warteschlangennamen zu sehen, sodass Sie sie zu Regeln hinzufügen können, benötigen Sie die Berechtigungen **Warteschlangen — Ansicht** in Ihrem Sicherheitsprofil.
+ **Routing-Profil**: Identifizieren Sie Kontakte, die von Agenten verwaltet werden, die einem bestimmten Routing-Profil zugeordnet sind. Das Routing-Profil kann auf die Kompetenz der Mitarbeiter in der Abteilung oder auf die Qualifikation hinweisen. Sie können beispielsweise automatisierte Bewertungen von Mitarbeitern mit dem Weiterleitungsprofil „Neue Mitarbeiter“ durchführen, die in grundlegenden Problemlösungen geschult wurden und andere Bewertungskriterien verwenden als bei fest angestellten Mitarbeitern mit mehreren Qualifikationen.
Um die Routing-Profile zu sehen, sodass Sie sie zu Regeln hinzufügen können, benötigen Sie in Ihrem Sicherheitsprofil die **Option Routing-Profile — Zugriffsberechtigungen anzeigen**.
+ **Gesprächszeit**: Erstellen Sie Regeln anhand des Schwellenwerts für die absolute Gesprächszeit des Agenten oder des Kunden. Dies kann verwendet werden, um festzustellen, wo der Kunde überhaupt nicht gesprochen hat, was den Agenten dazu veranlasst hat, die Verbindung zu trennen, oder an welchen Stellen der Agent ein Verhalten an den Tag legte, in dem er Anrufe vermieden hat, z. B. nicht gesprochen hat, nachdem er den Anruf abgenommen hat.
+ **Dauer der Interaktion mit Kundendienstmitarbeiter**: Sie können Regeln erstellen, um Kontakte zu identifizieren, bei denen die Interaktion mit dem Kundendienstmitarbeiter länger oder kürzer als erwartet war. Dieses Feature ist nur für Anrufe anwendbar.
Die folgende Abbildung zeigt ein Beispiel für eine Regel mit mehreren Bedingungen für einen Sprachkontakt.
![\[Ein Beispiel für eine Regel mit mehreren Bedingungen für einen Sprachkontakt\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-conditions.png)
Die folgende Abbildung zeigt ein Beispiel für eine Regel mit mehreren Bedingungen für einen Chat-Kontakt. Die Regel wird ausgelöst, wenn die **erste** Antwort eine Minute oder länger dauert und Kundendienstmitarbeiter in ihrer ersten Antwort keine der aufgeführten Wörter oder Wortgruppen zur Begrüßung erwähnt haben.
**Erstreaktionszeit** = wie lange es nach dem Beitritt von Kundendienstmitarbeitern zum Chat gedauert hat, bis sie die erste Nachricht an Kunden gesendet haben.
![\[Ein Beispiel für eine Regel mit mehreren Bedingungen für einen Chat-Kontakt\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-conditions-chat.png)
1. Wählen Sie **Weiter** aus.
## Schritt 2: Festlegen von Regelaktionen
1. Wählen Sie **Aktion hinzufügen** aus. Sie können die folgenden Aktionen auswählen:
+ [Aufgabe erstellen](contact-lens-rules-create-task.md): Diese Option ist nicht für Chat in Echtzeit verfügbar
+ [E-Mail-Benachrichtigung senden](contact-lens-rules-email.md)
+ [Generieren Sie ein Ereignis EventBridge ](contact-lens-rules-eventbridge-event.md)
![\[Das Dropdownmenü „Aktion hinzufügen“, eine Liste mit Aktionen\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-add-action-no-wisdom.png)
1. Wählen Sie **Weiter** aus.
1. Überprüfen Sie die Eingaben und nehmen Sie gewünschte Änderungen vor, bevor Sie **Speichern** auswählen.
1. Nachdem Sie Regeln hinzugefügt haben, werden diese auf neue Kontakte angewendet, die Sie nach dem Hinzufügen der Regel kontaktieren. Regeln werden angewendet, wenn Amazon Connect Conversational Analytics Konversationen analysiert.
Regeln können nicht auf frühere, gespeicherte Konversationen angewendet werden.
# Automatisches Kategorisieren von Kontakten durch das Abgleichen von Konversationen mit Aussagen in natürlicher Sprache oder bestimmten Wörtern und Wortgruppen
Mithilfe von Konversationsanalysen in Contact Lens können Sie Kontakte automatisch kategorisieren, um die wichtigsten Kontaktgründe, das Kundenerlebnis und das Verhalten Ihrer Kundendienstmitarbeiter bei Kontakten zu ermitteln. Auf der Seite **Kontaktdaten** für einen Chat werden oberhalb des Transkripts Kategorien eingeblendet, wie in der folgenden Abbildung zu sehen.
![\[Die Seite „Kontaktdaten“, Abschnitt „Kategorien“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-category-overview-chat2.png)
Im Folgenden sind einige der wichtigsten Aktionen aufgeführt, die beim Kategorisieren von Kontakten möglich sind:
+ Bei der Kontaktkategorisierung auf Basis generativer KI können Sie Kriterien zur Kategorisierung von Kontakten in natürlicher Sprache angeben (hat der Kunde beispielsweise versucht, eine Zahlung auf sein Guthaben zu tätigen?).
+ Sie können bestimmte Wörter oder Wortgruppen angeben, die von Kundendienstmitarbeitern oder Kunden gesprochen wurden, um sie mit einer Konversation abzugleichen. Contact Lenskennzeichnet dann automatisch Kontakte, die die Übereinstimmungskriterien erfüllen, und stellt relevante Punkte aus der Konversation bereit.
+ Sie können Aktionen definieren, um Benachrichtigungen zu erhalten und Aufgaben für kategorisierte Kontakte zu generieren.
+ Sie können zusätzliche Kriterien angeben, um Kontakte zu kategorisieren. Dazu gehören etwa die Bewertung der Kundenstimmung, Warteschlangen oder beliebige benutzerdefinierte Attribute, die Sie Kontakten hinzugefügt haben, z. B. Angaben zur Kundenbindung.
## Wann sollten Wörter und Wortgruppen verwendet werden?
Die Verwendung bestimmter Wörter oder Wortgruppen ist nützlich, wenn es eine genau definierte Liste mit Ausdrücken gibt, die Sie erkennen möchten. Damit können Sie etwa prüfen, ob sich Kundendienstmitarbeiter an das Skript gehalten haben, oder einschätzen, wie hoch das Kundeninteresse an einem Produkt ist.
## Wann sollte natürliche Sprache verwendet werden?
Die Verwendung von Aussagen in natürlicher Sprache für den Abgleich mit Kontakten ist nützlich, wenn es zu viele mögliche Wörter oder Wortgruppen gibt oder wenn Sie kontextspezifische Kriterien abgleichen möchten. Beispiele hierfür sind etwa: „Der Kunde wollte eine Änderung an seinem Abonnement vornehmen“ oder „Der Kundendienstmitarbeiter hat alle Probleme des Kunden gelöst“.
## Hinzufügen von Regeln zum Kategorisieren von Kontakten
In diesem Abschnitt:
+ [Schritt 1: Festlegen von Bedingungen](#add-category-rules-define-conditions)
+ [Schritt 2: Festlegen von Aktionen](#add-category-rules-define-actions)
### Schritt 1: Festlegen von Bedingungen
1. Melden Sie sich bei Amazon Connect mit einem Benutzerkonto an, dem das **CallCenterManager**Sicherheitsprofil zugewiesen wurde oder das für **Regelberechtigungen** aktiviert ist.
1. Wählen Sie im Navigationsmenü **Analyse und Optimierung**, **Regeln** aus.
1. Wählen Sie **Regel erstellen**, **Konversationsanalysen** aus.
1. Weisen Sie der Regel einen Namen zu.
1. **Wählen Sie in der Drop-down-Liste unter **Wann** die Option **Analyse nach dem Anruf**, **Echtzeitanalyse**, **Post-Chat-Analyse**, **Echtzeit-Chat-Analyse oder E-Mail-Analyse** aus.**
![\[Die Seite „Neue Regel“, die Dropdown-Liste „Wann“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rule-define-conditions.png)
1. Wählen Sie **Bedingung hinzufügen** und dann den Typ der Übereinstimmung aus:
+ **Wörter oder Phrasen – Genaue Übereinstimmung**: Damit werden Kontakte gesucht, die genau mit den Wörtern oder Wortgruppen übereinstimmen. Geben Sie die Wörter oder Wortgruppen durch ein Komma getrennt ein.
+ **Wörter oder Phrasen – Musterübereinstimmung**: Hierbei wird nach einem Muster von Wörtern oder Wortgruppen gesucht, um Kontakte zu finden. Sie können auch den Abstand zwischen Wörtern angeben. Wenn Sie beispielsweise nach Kontakten suchen, bei denen das Wort „Kredit“ erwähnt wurde, Sie aber keine Erwähnungen der Wortgruppe „neuer Kredit“ wünschen, können Sie eine Musterübereinstimmungskategorie definieren, um nach dem Wort „Kredit“ zu suchen, das nicht in einem Abstand von einem Wort zu „neuer“ steht.
+ **Natürliche Sprache – Semantische Übereinstimmung**: Mithilfe generativer KI können Sie Kontakte suchen, die der angegebenen Aussage in natürlicher Sprache entsprechen. Die Aussage sollte mit Ja oder Nein beantwortet werden können. Die Option „Natürliche Sprache – Semantische Übereinstimmung“ wird verwendet, wenn Sie Kontakte mit kontextspezifischen Kriterien abgleichen möchten oder wenn es zu viele mögliche Wörter oder Ausdrücke für einen Abgleich gibt. Im Folgenden sind einige Beispiele aufgeführt:
+ „Der Kunde wollte eine Änderung an seinem Abonnement vornehmen.“
+ „Der Kunde hat den Wunsch geäußert, seine aktuellen Dienste zu kündigen.“
+ „Der Kundendienstmitarbeiter hat mehrere Zahlungsmöglichkeiten angeboten.“
+ „Der Kundendienstmitarbeiter versicherte dem Kunden, dass sein Anruf wichtig war, und bat um zusätzliche Wartezeit.“
+ „Der Kundendienstmitarbeiter hat alle Probleme des Kunden gelöst.“
**Anmerkung**
Die Bedingungen für „Natürliche Sprache – Semantische Übereinstimmung“ können nicht für die Echtzeitanalyse verwendet werden.
Zum Erstellen von Regeln, die generative KI verwenden, ist eine zusätzliche Berechtigung erforderlich: **Regeln – Generative KI**.
**Profi-Tipp**: Verwenden Sie die auf generativer KI basierende Option **Natürliche Sprache – Semantische Übereinstimmung**, wenn Sie zuvor **Wörter oder Phrasen – Semantische Übereinstimmung** benutzt haben.
+ **Wörter oder Phrasen – Semantische Übereinstimmung**: Hierbei werden Wörter gesucht, bei denen es sich möglicherweise um Synonyme handelt. Wenn Sie beispielsweise „verärgert“ eingeben, kann dies mit „nicht zufrieden“ übereinstimmen. Weitere Beispiele sind „kaum akzeptabel“ und „inakzeptabel“ oder „Abmelden“ und „Abo kündigen“. Auf ähnliche Weise können Übereinstimmungen mit Wortgruppen gefunden werden. Beispiele hierfür wären „vielen Dank, dass Sie mir helfen“, „vielen Dank, das ist sehr hilfreich“ und „ich freue mich sehr, dass Sie mir helfen können“.
Dadurch entfällt die Notwendigkeit, bei der Erstellung von Kategorien eine vollständige Liste von Schlüsselwörtern zu definieren. Außerdem haben Sie so die Möglichkeit, umfassender nach ähnlichen Wortgruppen zu suchen, die relevant für Sie sind. Die besten Ergebnisse bei der Suche nach semantischen Übereinstimmungen erzielen Sie, wenn Sie Schlüsselwörter oder Wortgruppen mit ähnlicher Bedeutung auf einer Karte für die Suche nach semantischen Übereinstimmungen angeben. Derzeit können Sie höchstens vier Schlüsselwörter und Wortgruppen pro Karte für die Suche nach semantischen Übereinstimmungen angeben.
1. Geben Sie am Beispiel **Wörter oder Phrasen – Genaue Übereinstimmung** die Wörter oder Wortgruppen ein, die Sie hervorheben möchten, getrennt durch ein Komma. Klicken Sie dann auf **Hinzufügen**. Alle Wörter und Wortgruppen, die durch ein Komma getrennt sind, erhalten eine eigene Zeile auf der Karte.
![\[Die Seite „Neue Regel“, der Abschnitt „Wörter oder Phrasen – Genaue Übereinstimmung“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-add-category-rules-script.png)
![\[Die Seite „Neue Regel“, der Abschnitt „Wörter oder Phrasen – Genaue Übereinstimmung“, die Schaltfläche „Hinzufügen“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-add-category-rules-script2.png)
Die Logik, die Contact Lens anwendet, um diese Wortgruppen zu lesen, lautet wie folgt: (hallo UND danke UND für UND Ihren UND Anruf UND bei UND Beispielfirma) ODER (wie UND kann UND ich UND Ihnen UND weiterhelfen).
Verwenden Sie alternativ eine Bedingung für **Natürliche Sprache – Semantische Übereinstimmung** und geben Sie eine Aussage in natürlicher Sprache in das Textfeld ein, die von generativer KI entweder als wahr oder falsch bewertet werden kann.
![\[Die Seite „Neue Regel“, der Abschnitt „Natürliche Sprache – Semantische Übereinstimmung“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-add-category-rules-natural-language-semantic.png)
1. Wählen Sie zum Hinzufügen weiterer Wörter oder Wortgruppen **Eine Gruppe von Wörtern oder Phrasen hinzufügen** aus. Auf der folgenden Abbildung ist die erste Gruppe von Wörtern oder Wortgruppen das, was Kundendienstmitarbeiter sagen könnten, und die zweite Gruppe das, was Kunden sagen könnten.
![\[Die Seite „Wörter oder Phrasen – Genaue Übereinstimmung“ für den Kundendienstmitarbeiter, das Wort UND, der Abschnitt „Wörter oder Wortgruppen“ für den Kunden\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-add-category-rules-script3.png)
1. Die Logik, die Contact Lens anwendet, um diese Wortgruppen zu lesen, lautet wie folgt: (hallo UND danke UND für UND Ihren UND Anruf UND bei UND Beispielfirma) ODER (wie UND kann UND ich UND Ihnen UND weiterhelfen).
1. Die beiden Karten sind mit einem UND verbunden. Das bedeutet, dass eine der Zeilen auf der ersten Karte gesagt werden muss UND dann eine der Wortgruppen auf der zweiten Karte gesagt werden muss.
Die Logik, die Contact Lens anwendet, um die beiden Karten mit Wörtern oder Wortgruppen zu lesen, ist (Karte 1) UND (Karte 2).
1. Wählen Sie **Bedingung hinzufügen** aus, um die Regeln anzuwenden:
+ Auf spezifische Warteschlangen
+ Wenn Kontaktattribute bestimmten Werten entsprechen
+ Wenn Stimmungswerte bestimmten Werten entsprechen
Die folgende Abbildung zeigt beispielsweise eine Regel, die gilt, wenn ein Mitarbeiter die BasicQueue Warteschlangen für Abrechnung und Zahlungen bearbeitet, der Kunde eine Autoversicherung abgeschlossen hat und der Vertreter in Seattle ansässig ist.
![\[Eine Regel mit mehreren Bedingungen\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-add-category-rules-3.png)
### Schritt 2: Festlegen von Aktionen
Zusätzlich zur Kategorisierung eines Kontakts können Sie festlegen, welche Aktionen Amazon Connect ausführen soll:
1. [Generieren Sie ein Ereignis EventBridge ](contact-lens-rules-eventbridge-event.md)
1. [Aufgabe erstellen](contact-lens-rules-create-task.md)
1. [Fall erstellen](contact-lens-rules-create-case.md)
1. [E-Mail-Benachrichtigungen senden](contact-lens-rules-email.md)
1. [Regel erstellen, die eine automatisierte Bewertung sendet](contact-lens-rules-submit-automated-evaluation.md)
### Schritt 5: Überprüfen und Speichern
1. Klicken Sie anschließend auf **Speichern**.
1. Nachdem Sie Regeln hinzugefügt haben, werden diese auf neue Kontakte angewendet, die Sie nach dem Hinzufügen der Regel kontaktieren. Regeln werden angewendet, wenn Amazon Connect Conversational Analytics Konversationen analysiert.
Regeln können nicht auf frühere, gespeicherte Konversationen angewendet werden.
# Wenn eine Regel oder Kategorie von Amazon Connect Contact Lens nicht bewertet werden kann
Wenn Amazon Connect Contact Lens während einer Analyse nach einem Sprach- oder Chat-Kontakt eine Regel oder Kategorie bewertet, kann es sein, dass die Bewertung fehlschlägt.
Bei der Bewertung einer Regel oder Kategorie während der Kontaktanalyse sind folgende Ergebnisse möglich:
1. **Erfolgreich abgeglichen und auf den Kontakt angewendet**. Wenn Kategorien auf der Seite **Kontaktdaten** angezeigt werden, bedeutet dies, dass sie erfolgreich abgeglichen und dem Kontakt zugewiesen wurden.
1. **Erfolgreich bewertet, aber für den Kontakt nicht zutreffend**. Werden keine Kategorien auf der Seite **Kontaktdaten** angezeigt, bedeutet das, dass sie nicht für den Kontakt gelten, aber erfolgreich anhand der Regeln von Contact Lens bewertet wurden.
1. **Die Kontaktanalyse wurde abgeschlossen, aber eine bestimmte Kategorie wurde nicht bewertet**. Wenn eine Kategorie nicht bewertet wird, bedeutet das nicht, dass die Kategorie nicht für den Kontakt gilt (basierend auf seinen Kriterien), sondern dass Contact Lens die Kontaktanalyse abgeschlossen hat, ohne diese spezielle Kategorie zu bewerten.
Die folgende Abbildung zeigt, dass fehlgeschlagene Kategorien mit gestrichelten Rändern, transparenten Hintergründen, Fehlersymbolen und dem Präfix „Fehlgeschlagen“ gekennzeichnet sind. Wenn Sie den Mauszeiger über eine fehlgeschlagene Kategorie bewegen, werden Details darüber angezeigt, warum sie nicht bewertet werden konnte.
![\[Die fehlgeschlagenen Kategorien auf der Seite „Kontaktdaten“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/failed-categories1.png)
Diese fehlgeschlagenen Kategorien existieren nur nach Regeln mit der Bedingung „Semantische Übereinstimmung“. Dafür gibt es zwei mögliche Gründe:
1. **Kontingent überschritten**: Ihr Limit für Aktionen basierend auf generativer KI wurde für diesen Zeitraum überschritten. Sie können über den AWS Support eine Erhöhung des Kontingents beantragen.
1. **Fehlgeschlagene Sicherheitsrichtlinien**: Die Verarbeitung von Kategorien schlug fehl, weil Sicherheits- und Qualitätsvorgaben nicht erfüllt wurden.
Wir empfehlen, Ihren Regeln für die semantische Übereinstimmung weitere Bedingungen hinzuzufügen, um die Anzahl der Kontakte einzugrenzen, für die sie gelten können. Auf diese Weise können Fehler durch das Überschreiten des Kontingents vermieden werden.
## Kunden-S3-Ausgabedatei nach der Kontaktanalyse durch Contact Lens
Fehlgeschlagene Kategorien werden in der Analysedatei unter JobDetails > Analyse übersprungen angezeigt.
Im Abschnitt `SkippedAnalysis` werden Kontaktanalysen angezeigt, die als „Übersprungen“ markiert wurden, obwohl die Analyse für diesen Kontakt abgeschlossen wurde. Sie enthält die Eigenschaften „Feature“ und "ReasonCode“. `POST_CONTACT_SUMMARY`ist eine der vorhandenen Funktionen.
`CATEGORIZATION` wird als neue Feature zur übersprungenen Analyse hinzugefügt. Für jeden eindeutigen `ReasonCode`, der zu einer fehlgeschlagenen Kategorisierung geführt hat, gibt es im `SkippedAnalysis`-Array ein eindeutiges Kategorisierungselement. Für jedes eindeutige Element wird eine neue `SkippedEntities` Eigenschaft eingeführt, die eine Liste aller Kategorienamen (und der zugehörigen Regel IDs) enthält, die aufgrund des zugehörigen Ursachencodes fehlgeschlagen sind.
Im Folgenden sehen Sie ein Beispiel für fehlgeschlagene Kategorien in `JobDetails`:
```
"JobDetails": {
"SkippedAnalysis": [
{
"Feature": "CATEGORIZATION",
"ReasonCode": "QUOTA_EXCEEDED",
"SkippedEntities": [
{
"CategoryName": "PotentialFraud"
"RuleId": "a1130485-9529-4249-a1d4-5738b4883748"
},
{
"CategoryName": "Refund"
"RuleId": "bbbbbbb-9529-4249-a1d4-5738b4883748"
}
]
},
{
"Feature": "CATEGORIZATION",
"ReasonCode": "FAILED_SAFETY_GUIDELINES",
"SkippedEntities": [
{
"CategoryName": "ManagerEscalation"
"RuleId": "cccccccc-9529-4249-a1d4-5738b4883748"
},
]
},
{
"Feature": "POST_CONTACT_SUMMARY",
"ReasonCode": "INSUFFICIENT_CONVERSATION_CONTENT"
}
]
},
```
Weitere Informationen finden Sie unter [Beispiel für Ausgabedateien der Konversationsanalyse von Contact Lens für einen Anruf](contact-lens-example-output-files.md).
# Hinzufügen von Benachrichtigungen in Echtzeit in Contact Lens für Supervisoren auf Grundlage von Schlüsselwörtern und Wortgruppen in einem Anruf
Wenn Sie [Echtzeitanalysen in Ihrem Flow aktivieren](enable-analytics.md), können Sie Regeln hinzufügen, die Supervisoren automatisch benachrichtigen, wenn ein Problem bei der Kundenbetreuung auftritt.
Beispielsweise kann Contact Lens automatisch eine Benachrichtigung senden, wenn während der Konversation bestimmte Schlüsselworte oder Wortgruppen erwähnt oder andere Kriterien erfüllt werden. Supervisoren sehen die Benachrichtigung dann auf dem Dashboard mit Echtzeitmetriken. Anschließend können Supervisoren den Anruf live mitverfolgen und Kundendienstmitarbeiter per Chat beraten, damit sie das Problem schneller lösen können.
Die folgende Abbildung zeigt ein Beispiel dafür, was Supervisoren in ihren Echtzeitmetriken sehen würden, wenn sie eine Benachrichtigung erhalten. In diesem Fall hat Contact Lens eine Situation mit einem verärgerten Kunden erkannt.
![\[Die Seite mit Echtzeitmetriken, eine Benachrichtigung über einen verärgerten Kunden\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-real-time-metrics-alert2.png)
Wenn Supervisoren einen Live-Anruf mithören, erhalten sie von Contact Lens ein Echtzeittranskript und den Trend der Kundenstimmung, damit sie die Situation besser verstehen und geeignete Maßnahmen bewerten können. Dank dem Transkript müssen sich Kunden auch nicht wiederholen, wenn der Anruf an andere Kundendienstmitarbeiter übergeben wird.
Die folgende Abbildung zeigt ein Beispiel für das Echtzeittranskript.
![\[Ein Beispiel für ein Echtzeittranskript\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-real-time-transcript.png)
## Hinzufügen von Regeln für Benachrichtigungen in Echtzeit
1. Melden Sie sich bei Amazon Connect mit einem Benutzerkonto an, dem das **CallCenterManager**Sicherheitsprofil zugewiesen wurde oder das für **Regelberechtigungen** aktiviert ist.
1. Wählen Sie im Navigationsmenü **Analyse und Optimierung**, **Regeln** aus.
1. Wählen Sie **Regel erstellen**, **Konversationsanalysen** aus.
1. Weisen Sie der Regel einen Namen zu.
1. Wählen Sie in der Dropdownliste unter **Wann** die Option **Echtzeitanalyse** aus.
1. Wählen Sie **Bedingung hinzufügen** und dann den Typ der Übereinstimmung aus:
+ **Genaue Übereinstimmung**: Nur die genauen Wörter oder Wortgruppen werden gefunden.
+ **Musterübereinstimmung**: Es werden Übereinstimmungen gefunden, die eventuell zu weniger als 100 Prozent passen. Sie können auch den Abstand zwischen Wörtern angeben. Es könnte zum Beispiel sein, dass Sie nach Kontakten suchen, bei denen das Wort „Kredit“ erwähnt wurde, Sie aber keine Erwähnungen der Wortgruppe „neuer Kredit“ wünschen. Sie können eine Musterübereinstimmungskategorie definieren, um nach dem Wort „Kredit“ zu suchen, das nicht in einem Abstand von einem Wort zu „neuer“ steht.
**Tipp**
Die semantische Übereinstimmung ist nicht für die Echtzeitanalyse verfügbar.
1. Geben Sie die Wörter oder Wortgruppen ein, die Sie hervorheben möchten, getrennt durch ein Komma. Echtzeitregeln unterstützen nur Schlüsselwörter oder Wortgruppen, die **erwähnt wurden**.
![\[Eine Regel für Wörter und Wortgruppen\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-add-alert-rules-1.png)
1. Wählen Sie **Hinzufügen** aus. Alle durch ein Komma getrennten Wörter und Wortgruppen erhalten eine eigene Zeile.
![\[Eine Regel für Wörter und Wortgruppen mit mehreren Wortgruppen, die jeweils in einer eigenen Zeile stehen\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-add-alert-rules-2.png)
Die Logik, die Contact Lens anwendet, um diese Wörter oder Wortgruppen zu lesen: (mit ODER Ihrem ODER Supervisoren ODER sprechen) ODER (das ODER ist ODER nicht ODER hilfreich) ODER (mit ODER der ODER Supervisorin ODER sprechen) usw.
1. Wählen Sie zum Hinzufügen weiterer Wörter oder Wortgruppen **Eine Gruppe von Wörtern oder Phrasen hinzufügen** aus. Auf der folgenden Abbildung ist die erste Gruppe von Wörtern oder Wortgruppen das, was Kundendienstmitarbeiter sagen könnten. Die zweite Gruppe ist das, was Kunden sagen könnten.
![\[Eine Regel für Wörter und Wortgruppen mit mehreren Wortgruppen für Kunden und Kundendienstmitarbeiter\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-add-category-rules-script3.png)
1. Auf dieser ersten Karte liest Contact Lens jede Zeile als ODER. Beispiel: (hallo) ODER (danke ODER für ODER Ihren ODER Anruf ODER Beispielfirma) ODER (wir ODER schätzen ODER Sie ODER als ODER Kunden).
1. Die beiden Karten sind mit einem UND verbunden. Das bedeutet, dass eine der Zeilen auf der ersten Karte gesagt werden muss UND dann eine der Wortgruppen auf der zweiten Karte gesagt werden muss.
Die Logik, die Contact Lens anwendet, um die beiden Karten mit Wörtern oder Wortgruppen zu lesen, ist (Karte 1) UND (Karte 2).
1. Wählen Sie **Bedingung hinzufügen** aus, um die Regeln anzuwenden:
+ Auf spezifische Warteschlangen
+ Wenn Kontaktattribute bestimmten Werten entsprechen
+ Wenn Stimmungswerte bestimmten Werten entsprechen
Die folgende Abbildung zeigt beispielsweise eine Regel, die gilt, wenn ein Mitarbeiter die BasicQueue Warteschlangen für Abrechnung und Zahlungen bearbeitet, der Kunde eine Autoversicherung abgeschlossen hat und der Vertreter in Seattle ansässig ist.
![\[Eine Regel für Wörter und Wortgruppen mit mehreren Bedingungen\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-add-category-rules-3.png)
1. Klicken Sie auf **Weiter**, wenn Sie fertig sind.
1. Fügen Sie im Feld **Kontaktkategorie zuweisen** einen Namen für die Kategorie hinzu. Zum Beispiel „Konform“ oder ****Nicht\$1Konform****.
1. Wählen Sie **Weiter** und dann **Speichern und veröffentlichen** aus.
# Hinzufügen von Benachrichtigungen in Echtzeit in Contact Lens für Supervisoren auf Grundlage von Schlüsselwörtern und Wortgruppen in einem Chat
Wenn Sie [Echtzeitanalysen in Ihrem Flow aktivieren](enable-analytics.md), können Sie Regeln hinzufügen, die Supervisoren automatisch benachrichtigen, wenn ein Problem bei der Kundenbetreuung auftritt.
Beispielsweise kann Contact Lens automatisch eine Benachrichtigung senden, wenn während des Chats bestimmte Schlüsselworte oder Wortgruppen erwähnt oder andere Kriterien erfüllt werden. Der Supervisor kann dann auf der Seite **Kontaktdetails** einen Echtzeit-Chat aufrufen, um das Problem zu überprüfen. Anschließend können Supervisoren dem Anruf beitreten und Kundendienstmitarbeiter per Chat beraten, damit sie das Problem schneller lösen können.
Die folgende Abbildung zeigt ein Beispiel dafür, was Supervisoren auf ihrer **Kontaktdetails**-Seite sehen würden, wenn sie eine Benachrichtigung für einen Echtzeit-Chat erhalten. In diesem Fall hat Contact Lens eine Situation mit einem verärgerten Kunden erkannt.
![\[Die Seite mit Kontaktdetails, eine Benachrichtigung über einen verärgerten Chat-Kunden.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-realtime-alert-chat.png)
Wenn Supervisoren einen Chat überwachen, erhalten sie von Contact Lens ein Echtzeittranskript und den Trend der Kundenstimmung, damit sie die Situation besser verstehen und geeignete Maßnahmen bewerten können. Dank dem Transkript müssen sich Kunden auch nicht wiederholen, wenn der Anruf an andere Kundendienstmitarbeiter übergeben wird.
## Hinzufügen von Regeln für Chat-Benachrichtigungen in Echtzeit
1. Melden Sie sich bei Amazon Connect mit einem Benutzerkonto an, dem das **CallCenterManager**Sicherheitsprofil zugewiesen wurde oder das für **Regelberechtigungen** aktiviert ist.
1. Wählen Sie im Navigationsmenü **Analyse und Optimierung**, **Regeln** aus.
1. Wählen Sie **Regel erstellen**, **Konversationsanalysen** aus.
1. Weisen Sie der Regel einen Namen zu.
1. Wählen Sie in der Dropdown-Liste unter **Wann** die Option **Echtzeitanalyse** aus.
1. Wählen Sie **Bedingung hinzufügen** und dann den Typ der Übereinstimmung aus. Die folgende Abbildung zeigt eine Regel, die für die Bedingung **Stimmung – Zeitraum** konfiguriert ist.
![\[Die Bedingungen für eine Chat-Analyseregel in Echtzeit.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-realtime-chat-rule2.png)
Wählen Sie aus den folgenden Optionen aus:
+ **Genaue Übereinstimmung**: Nur die genauen Wörter oder Wortgruppen werden gefunden.
+ **Musterübereinstimmung**: Es werden Übereinstimmungen gefunden, die eventuell zu weniger als 100 Prozent passen. Sie können auch den Abstand zwischen Wörtern angeben. Es könnte zum Beispiel sein, dass Sie nach Kontakten suchen, bei denen das Wort „Kredit“ erwähnt wurde, Sie aber keine Erwähnungen der Wortgruppe „neuer Kredit“ wünschen. Sie können eine Musterübereinstimmungskategorie definieren, um nach dem Wort „Kredit“ zu suchen, das nicht in einem Abstand von einem Wort zu „neuer“ steht.
**Tipp**
Die semantische Übereinstimmung ist nicht für die Echtzeitanalyse verfügbar.
1. Geben Sie die Wörter oder Wortgruppen ein, die Sie hervorheben möchten, getrennt durch ein Komma. Echtzeitregeln unterstützen nur Schlüsselwörter oder Wortgruppen, die **erwähnt wurden**.
![\[Eine Regel für Wörter und Wortgruppen\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-add-alert-rules-1.png)
1. Wählen Sie **Hinzufügen** aus. Alle durch ein Komma getrennten Wörter und Wortgruppen erhalten eine eigene Zeile.
![\[Eine Regel für Wörter und Wortgruppen mit mehreren Wortgruppen, die jeweils in einer eigenen Zeile stehen\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-add-alert-rules-2.png)
Die Logik, die Contact Lens anwendet, um diese Wörter oder Wortgruppen zu lesen: (mit ODER Ihrem ODER Supervisoren ODER sprechen) ODER (das ODER ist ODER nicht ODER hilfreich) ODER (mit ODER der ODER Supervisorin ODER sprechen) usw.
1. Wählen Sie zum Hinzufügen weiterer Wörter oder Wortgruppen **Eine Gruppe von Wörtern oder Phrasen hinzufügen** aus. Auf der folgenden Abbildung ist die erste Gruppe von Wörtern oder Wortgruppen das, was Kundendienstmitarbeiter sagen könnten. Die zweite Gruppe ist das, was der Kunde sagen könnte.
![\[Eine Regel für Wörter und Wortgruppen mit mehreren Wortgruppen für Kunden und Kundendienstmitarbeiter\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-add-category-rules-script3.png)
1. Auf dieser ersten Karte liest Contact Lens jede Zeile als ODER. Beispiel: (hallo) ODER (danke ODER für ODER Ihren ODER Anruf ODER Beispielfirma) ODER (wir ODER schätzen ODER Sie ODER als ODER Kunden).
1. Die beiden Karten sind mit einem UND verbunden. Dies bedeutet, dass eine der Zeilen auf der ersten Karte UND dann eine der Wortgruppen auf der zweiten Karte erwähnt werden muss.
Die Logik, die Contact Lens anwendet, um die beiden Karten mit Wörtern oder Wortgruppen zu lesen, ist (Karte 1) UND (Karte 2).
1. Wählen Sie **Bedingung hinzufügen** aus, um die Regeln anzuwenden:
+ Auf spezifische Warteschlangen
+ Wenn Kontaktattribute bestimmten Werten entsprechen
+ Wenn Stimmungswerte bestimmten Werten entsprechen
Die folgende Abbildung zeigt beispielsweise eine Regel, die gilt, wenn ein Mitarbeiter die BasicQueue Warteschlangen für Abrechnung und Zahlungen bearbeitet, der Kunde eine Autoversicherung abgeschlossen hat und der Vertreter in Seattle ansässig ist.
![\[Eine Regel für Wörter und Wortgruppen mit mehreren Bedingungen\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-add-category-rules-3.png)
1. Klicken Sie auf **Weiter**, wenn Sie fertig sind.
1. Fügen Sie im Feld **Kontaktkategorie zuweisen** einen Namen für die Kategorie hinzu. Zum Beispiel „Konform“ oder ****Nicht\$1Konform****.
1. Wählen Sie **Aktion hinzufügen**, um anzugeben, welche Aktion Amazon Connect durchführen soll, wenn die Bedingungen erfüllt sind. Sie können Supervisor-Benachrichtigungen konfigurieren, indem Sie E-Mail-Benachrichtigungen verwenden oder eine benutzerdefinierte Integration mit EventBridge entwickeln.
![\[Die Optionen EventBridge Ereignis generieren und E-Mail-Benachrichtigung senden.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-realtime-chat-rule3.png)
1. Wenn Sie **E-Mail-Benachrichtigung senden** ausgewählt haben, finden Sie weitere Informationen zum Ausfüllen der Seite und Informationen zu E-Mail-Einschränkungen unter [Erstellen von Regeln für , die E-Mail-Benachrichtigungen versenden](contact-lens-rules-email.md).
Wenn Sie „** EventBridge Ereignis generieren**“ ausgewählt haben, finden Sie weitere Informationen [Erstellen Sie eine Regel, die ein EventBridge Ereignis generiert](contact-lens-rules-eventbridge-event.md) zum Ausfüllen der Seite und Informationen zum Abonnieren von EventBridge Ereignistypen unter.
# Erstellen von Regeln für , die E-Mail-Benachrichtigungen versenden
Sie können Regeln für erstellen, mit denen E-Mail-Benachrichtigungen an Personen in Ihrem Unternehmen gesendet werden. Auf diese Weise können Sie schneller auf potenzielle Probleme in Ihrem Contact Center reagieren. Sie können beispielsweise eine Regel erstellen, um die folgenden Personen zu benachrichtigen:
+ Einen Team-Supervisor, wenn es zu einer Kontoeskalation oder -schließung kommt
+ Eine Gruppe von Personen in Ihrem Contact Center, weil während einer Konversation bestimmte Wörter erwähnt wurden
+ Eine bestimmte Person in Ihrem Contact Center, wenn es während des Anrufs zu einer Meinungsverschiedenheit kommt
+ Ein Agent, der den Kontakt bearbeitet hat, der mit Amazon Connect Conversational Analytics analysiert oder bewertet wurde.
**Wichtig**
Alle E-Mails werden von `no-reply@amazonconnect.com` gesendet.
SAML-Benutzer haben keine primären E-Mail-Adressen, sondern Benutzernamen-Logins. Ein Benutzernamen-Login ist in der Regel eine E-Mail-Adresse, muss es aber nicht sein. Für diese Benutzer ist die Feldbezeichnung **E-Mail-Adresse** in Amazon Connect leer. Wenn E-Mail-Benachrichtigungen an SAML-Benutzer gesendet werden, muss für sie eine sekundäre E-Mail-Adresse konfiguriert sein, um diese zu erhalten. Ist keine sekundäre E-Mail-Adresse konfiguriert, erhält der Benutzer die E-Mail nicht.
**So erstellen Sie eine Regel für , die eine E-Mail-Benachrichtigung versendet**
1. Melden Sie sich bei Amazon Connect mit einem Benutzerkonto an, das über die [erforderlichen Berechtigungen](permissions-for-rules.md) zum Erstellen von Regeln verfügt.
1. Navigieren Sie zu **Analyse und Optimierung**, **Regeln**.
1. Wählen Sie auf der Seite **Regeln** die Option **Regel erstellen** und dann in der Dropdown-Liste **Konversationsanalysen** oder **Bewertungsformulare** aus.
![\[Die Seite „Regeln“, die Dropdownliste „Regel erstellen“, die Option „Contact Lens“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-create-rule.png)
1. Definieren Sie auf der Seite **Neue Regel** die Bedingungen für die Regel. Weitere Informationen finden Sie unter:
+ [Festlegen von Regelbedingungen für Konversationsanalysen](build-rules-for-contact-lens.md#rule-conditions)
+ [Festlegen von Regelbedingungen für Bewertungsformulare](create-evaluation-rules.md#rule-conditions-eval)
1. Wenn Sie Aktionen für die Regel definieren, wählen Sie **E-Mail-Benachrichtigung senden** als Aktion aus.
![\[Die Seite „Neue Regel“, die Dropdownliste „Aktion hinzufügen“, die Aktion „E-Mail-Benachrichtigung senden“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-email-action.png)
1. Wählen Sie im Abschnitt **E-Mail-Benachrichtigung senden** mithilfe einer der folgenden Optionen aus, wer die E-Mail erhalten soll:
+ **Empfänger durch Anmeldung auswählen**: Leitet die E-Mail an ausgewählte Benutzer weiter
**Wichtig**
Für SAML-Benutzer muss eine sekundäre E-Mail-Adresse konfiguriert sein, um diese zu erhalten. Ist keine sekundäre E-Mail-Adresse konfiguriert, erhält der Benutzer die E-Mail nicht.
+ **Empfänger nach Tags auswählen**: Leitet die E-Mail dynamisch auf Grundlage der Tag-Werte von Kundendienstmitarbeitern weiter
+ **Wählen Sie den Kundendienstmitarbeiter aus, der den Kontakt bearbeitet hat.** Leitet die E-Mail an den Kundendienstmitarbeiter weiter, der den Kontakt bearbeitet hat
In der folgenden Abbildung sendet die Regel eine Benachrichtigungs-E-Mail an den Kundendienstmitarbeiter, der den Kontakt bearbeitet hat.
![\[Der Abschnitt „E-Mail-Benachrichtigung senden“, die Option „Wählen Sie den Kundendienstmitarbeiter aus, der den Kontakt bearbeitet hat“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-email-tag.png)
1. Fügen Sie unter **Betreff** den Betreff der E-Mail hinzu. Fügen unter **Text** den Inhalt der E-Mail-Benachrichtigung hinzu.
Verwenden Sie **@, um dynamische Variablen hinzuzufügen**, die während der Ausführung der Regel aufgefüllt werden. Für Regeln für Konversationsanalysen und Regeln für Bewertungsformulare können Sie den **Regelnamen, die Instanz-URL, Kontakt-, Agenten** - und **Warteschlangeninformationen** für den Kontakt hinzufügen, der der Regel entspricht. Mit den Regeln für Bewertungsformulare können Sie zusätzlich die **Bewertungs-ID** einfügen.
![\[Der Text der E-Mail, die Liste der verfügbaren Variablen.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/rules-send-email-dynamic-variables.png)
**Anmerkung**
Andere Regeltypen unterstützen andere Variablen:
Mit Regeln für Echtzeit-Metriken können Sie den **Regelnamen, die Instanz-URL** und eine Liste der **Agenten, Warteschlangen, Flows oder Routing-Profile** eingeben, die den Schwellenwert überschritten haben, um die Warnung auszulösen.
Regeln für Fälle ermöglichen es Ihnen, den **Regelnamen, die Instanz-URL** und die **Fall-ID** einzufügen.
1. Wählen Sie **Weiter** aus. Überprüfen Sie Ihre Auswahl und wählen Sie dann **Speichern** aus.
1. Nachdem Sie Regeln hinzugefügt haben, werden diese auf neue Kontakte angewendet, die Sie nach dem Hinzufügen der Regel kontaktieren. Regeln werden angewendet, wenn Amazon Connect Conversational Analytics Konversationen analysiert.
Regeln können nicht auf frühere, gespeicherte Konversationen angewendet werden.
## E-Mail-Limits
+ Amazon Connect hat ein Standardlimit von 500 E-Mails pro Tag. Wenn dieses Limit überschritten wird, wird die Amazon-Connect-Instance für 24 Stunden daran gehindert, weitere E-Mails zu senden. Das liegt daran, dass die E-Mails Unzustellbarkeits- und Beschwerdelimits unterliegen. Weitere Informationen finden Sie in den Abschnitten **Unzustellbarkeit** und **Beschwerde** unter [Grundlegendes zur E-Mail-Zustellung in Amazon SES](https://docs.aws.amazon.com/ses/latest/dg/send-email-concepts-deliverability.html).
+ Alle E-Mails werden von `no-reply@amazonconnect.com` gesendet. Diese Adresse lässt sich nicht ändern.
+ SAML-Benutzer haben keine primären E-Mail-Adressen, sondern Benutzernamen-Logins. Ein Benutzernamen-Login ist in der Regel eine E-Mail-Adresse, muss es aber nicht sein. Für diese Benutzer ist die Feldbezeichnung **E-Mail-Adresse** in Amazon Connect leer. Wenn E-Mail-Benachrichtigungen an SAML-Benutzer gesendet werden, muss für sie eine sekundäre E-Mail-Adresse konfiguriert sein, um diese zu erhalten. Ist keine sekundäre E-Mail-Adresse konfiguriert, erhält der Benutzer die E-Mail nicht.
Wenn die Standardoption für den Versand von E-Mails Ihren Anforderungen nicht entspricht, wenden Sie sich bitte an Ihren Technical Account Manager oder Support besprechen Sie dies mit dem Amazon Connect Connect-Serviceteam.
# Erstellen Sie eine Regel, die ein EventBridge Ereignis generiert
Sie können in Echtzeit oder nach dem Anruf/Chat Ereignisse abrufen und diese verwenden, um nachfolgende Benachrichtigungen oder Warnungen auszulösen oder Berichte außerhalb von Amazon Connect zu aggregieren. Mit diesen Daten haben Sie viele Möglichkeiten. Beispiel:
+ Erhalten Sie Benachrichtigungen in Echtzeit in einem QuickSight Dashboard.
+ Erstellen aggregierter Berichte außerhalb von Amazon Connect
+ Zusammenführen von Daten mit Ihrem CRM
+ Connect Sie Ihre Benachrichtigungslösung mit EventBridge und stellen Sie sicher, dass am Ende des Tages alle Ereignisse einer bestimmten Art von Ereignissen in einem bestimmten Posteingang landen. In der Nutzlast finden Sie den Kontakt, den/die Kundendienstmitarbeiter:in und die Warteschlange.
**Anmerkung**
Bei Regeln für Echtzeitmetriken werden die Ressourcen, die die Regel auslösen, unter **Ressourcen** aufgeführt. Wenn Sie beispielsweise eine Regel erstellen, die Sie über Warteschlangen-Metriken wie die durchschnittliche Antwortzeit in der Warteschlange informiert, wird die Liste der Warteschlangen, die den Schwellenwert überschritten haben, unter Ressourcen aufgeführt.
**Um eine Regel zu erstellen, die ein Ereignis generiert EventBridge**
1. Wenn Sie Ihre Regel erstellen, wählen Sie ** EventBridgeEreignis generieren** für die Aktion aus.
![\[Die neue Regelseite, der Abschnitt „Diese Aktionen ausführen“, die Dropdownliste „Aktion hinzufügen“ und die Aktion „ EventBridge Ereignis generieren“.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-events-example1.png)
1. Geben Sie für **Aktionsname** den Namen für die Ereignisnutzlast ein.
**Anmerkung**
Der Wert, den Sie dem **Aktionsnamen** zuweisen, ist in der EventBridge Payload sichtbar. Wenn Sie Ereignisse aggregieren, bietet der Aktionsname eine zusätzliche Dimension, die Sie verwenden können, um sie zu verarbeiten. Beispiel: Sie haben 200 Kategorienamen, aber nur 50 haben einen spezifischen Aktionsnamen wie NOTIFY\$1CUSTOMER\$1RETENTION.
![\[Der Abschnitt „Diese Aktionen ausführen“, der Abschnitt „Kontaktkategorie zuweisen“ und der Abschnitt „ EventBridge Ereignis generieren“.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-add-eb-action.png)
1. Wählen Sie **Weiter** aus. Überprüfen Sie Ihre Eingaben und wählen Sie **Speichern** aus.
1. Nachdem Sie Regeln hinzugefügt haben, werden diese auf neue Kontakte angewendet, die Sie nach dem Hinzufügen der Regel kontaktieren. Regeln werden angewendet, wenn Amazon Connect Conversational Analytics Konversationen analysiert.
Regeln können nicht auf frühere, gespeicherte Konversationen angewendet werden.
1. Um die EventBridge Daten zu nutzen, abonnieren Sie den EventBridge Ereignistyp. Siehe nächstes Verfahren.
## Abonnieren Sie EventBridge Ereignistypen
Um EventBridge Ereignistypen zu abonnieren, erstellen Sie eine benutzerdefinierte EventBridge Regel, die den folgenden Kriterien entspricht:
+ "source" = "aws.connect"
+ „detail-type“ = "Nach dem Contact Lens Anruf stimmen die Regeln überein“ oder eine der folgenden Optionen:
+ **Contact Lens Realtime Rules Matched**
+ **Contact Lens Realtime Chat Rules Matched**
+ **Contact Lens Post Chat Rules Matched**
+ **Contact LensDie Bewertungsregeln stimmen überein**
+ **Metrics Rules Matched**
Die folgende Abbildung zeigt diese Einstellungen im Abschnitt „Ereignismuster“ der Seite „Neue Regel“.
![\[Der Abschnitt „Ereignismuster“ auf der Seite mit den neuen EventBridge Regeln.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-eb-rules-events.png)
### Beispiele für EventBridge Payloads
Im Folgenden finden Sie ein Beispiel dafür, wie die EventBridge Nutzlast aussieht, wenn die **Regeln nach Contact Lens dem Anruf übereinstimmen**.
```
{
"version": "0", // set by EventBridge
"id": "aaaaaaaa-bbbb-cccc-dddd-bf3703467718", // set by EventBridge
"source": "aws.connect",
"detail-type": "Contact Lens Post Call Rules Matched",
"account": "your AWS account ID",
"time": "2020-04-27T18:43:48Z",
"region": "us-east-1", // set by EventBridge
"resources": ["arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN"],
"detail": {
"version": "1.0",
"ruleName": "ACCOUNT_CANCELLATION", // Rule name
"actionName": "NOTIFY_CUSTOMER_RETENTION",
"instanceArn": "arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN",
"contactArn": "arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN/contact/contact-ARN",
"agentArn": "arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN/agent/agent-ARN",
"queueArn": "arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN/queue/queue-ARN",
}
}
```
Im Folgenden finden Sie ein Beispiel dafür, wie die Nutzdaten aussehen wenn eine Übereinstimmung mit der Regel **Contact Lens Realtime Rules Matched** vorliegt.
```
{
"version": "0", // set by EventBridge
"id": "aaaaaaaa-bbbb-cccc-dddd-bf3703467718", // set by EventBridge
"source": "aws.connect",
"detail-type": "Contact Lens Realtime Rules Matched",
"account": "your AWS account ID",
"time": "2020-04-27T18:43:48Z",
"region": "us-east-1", // set by EventBridge
"resources": ["arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN"],
"detail": {
"version": "1.0",
"ruleName": "ACCOUNT_CANCELLATION", // Rule name
"actionName": "NOTIFY_CUSTOMER_RETENTION",
"instanceArn": "arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN",
"contactArn": "arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN/contact/contact-ARN",
"agentArn": "arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN/agent/agent-ARN",
"queueArn": "arn:aws:connect:us-east-1:your AWS account ID:instance/instance-ARN/queue/queue-ARN",
}
}
```
# Erstellen Sie eine Regel, die eine Aufgabe generiert
Mit Amazon Connect Connect-Regeln können Sie Aufgaben generieren. Auf diese Weise können Sie nachvollziehbare Aktionen mit den Verantwortlichen erstellen und erhalten sofort einen Überblick über die Erledigung von Aufgaben und die Produktivität.
Im Folgenden sind einige Beispiele aufgeführt:
+ Überprüfen Sie einen Kontakt, wenn der Kunde betrügerisch ist. Sie können beispielsweise eine Nachverfolgungsaufgabe erstellen, wenn Kunden Wörter oder Wortgruppen verwenden, die auf eine mögliche betrügerische Absicht hinweisen.
+ Nehmen Sie eine Nachverfolgung vor, wenn Kunden bestimmte Themen erwähnen, für die Sie später Zusatzverkäufe oder zusätzliche Unterstützung anbieten möchten, indem Sie sie kontaktieren.
+ Beurteilen Sie die Leistung der Mitarbeiter in bestimmten Szenarien, z. B. war die Kundenstimmung während des Gesprächs sehr schlecht und der Kunde äußerte Frustration.
+ Ergreifen Sie operative Maßnahmen, wie z. B. das Zuweisen zusätzlicher Agenten zu Warteschlangen, in denen die durchschnittliche Antwortzeit in der Warteschlange in der letzten Stunde akzeptable Schwellenwerte überschritten hat.
**So erstellen Sie eine Regel, die eine Aufgabe erstellt**
1. Wenn Sie Ihre Regel erstellen, wählen Sie **Aufgabe erstellen** als Aktion aus.
![\[Die Seite „Neue Regel“, das Dropdownmenü „Aktion hinzufügen“, die Option „Aufgabe erstellen“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-add-task-example1.png)
1. Füllen Sie die Aufgabenfelder wie folgt aus:
![\[Die Seite „Neue Regel“, der Abschnitt „Kontaktkategorie zuweisen“, der Abschnitt „Aufgabe erstellen“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-add-tasks-example2.png)
1. **Name der Kategorie**: Der Name der Kategorie wird im Kontaktdatensatz angezeigt. Maximale Länge: 200 Zeichen
1. **Name**: Der Name wird im Contact Control Panel (CCP) von Kundendienstmitarbeitern angezeigt. Maximale Länge: 512 Zeichen
1. **Beschreibung**: Die Beschreibung wird im Contact Control Panel (CCP) von Kundendienstmitarbeitern angezeigt. Maximale Länge: 4096 Zeichen
**Anmerkung**
Verwenden Sie in Name und Beschreibung den Wert **@, um dynamische Variablen hinzuzufügen**, die während der Ausführung der Regel aufgefüllt werden. Bei Regeln für Konversationsanalysen und Regeln für Bewertungsformulare können Sie den **Regelnamen, die Instanz-URL, Kontakt-, Agenten** - und **Warteschlangeninformationen** für den Kontakt hinzufügen, der der Regel entspricht. Mit den Regeln für Bewertungsformulare können Sie zusätzlich die **Bewertungs-ID** einfügen.
![\[Die Aufgabenaktion mit dynamischen Variablen.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/rules-create-task-dynamic-variables.png)
Andere Regeltypen unterstützen andere Variablen:
Mit Regeln für Echtzeit-Metriken können Sie den **Regelnamen, die Instanz-URL und eine Liste der Agenten, Warteschlangen, Flows oder Routing-Profile** eingeben, die den Schwellenwert überschritten haben, um die Warnung auszulösen.
Regeln für Fälle ermöglichen es Ihnen, den **Regelnamen, die Instanz-URL** und die **Fall-ID** einzufügen.
1. **Aufgabenreferenzname**: Dies ist eine Standardreferenz, die automatisch im CCP von Kundendienstmitarbeitern angezeigt wird.
+ Bei Echtzeitregeln verweist die Aufgabenreferenz auf die Seite mit den Echtzeitdetails.
+ Bei Regeln für die Phase nach dem Anruf/Chat verweist die Aufgabenreferenz auf die Seite **Kontaktdaten**.
1. **Name für zusätzliche Referenz**: Maximale Länge: 4096 Zeichen. Sie können bis zu 25 Referenzen hinzufügen.
1. **Flow auswählen**: Wählen Sie den Flow aus, der die Aufgabe an die entsprechenden Besitzer der Aufgabe weiterleiten soll. Der Flow muss gespeichert und veröffentlicht werden, damit er in Ihrer Optionsliste in der Dropdownliste angezeigt wird.
1. Die folgende Abbildung zeigt ein Beispiel dafür, wie diese Informationen im CCP von Kundendienstmitarbeitern angezeigt werden.
![\[Eine Aufgabe im Contact Control Panel von Kundendienstmitarbeitern\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-add-tasks-ccp.png)
In diesem Beispiel sehen Kundendienstmitarbeiter die folgenden Werte für **Name**, **Beschreibung** und **Aufgabenreferenzname**:
1. **Name** = **Action-Required-Contact Lens- ba2cf8fe....**
1. **Beschreibung** = **Test**
1. **Aufgabenreferenzname** = taskRef und die URL zur Seite mit den Echtzeitdetails
1. Wählen Sie **Weiter** aus. Überprüfen Sie die Aufgabe und wählen Sie dann **Speichern** aus.
1. Nachdem Sie Regeln hinzugefügt haben, werden diese auf Kontakte angewendet, die Sie nach dem Hinzufügen der Regel kontaktieren. Regeln werden angewendet, wenn Amazon Connect Conversational Analytics Konversationen analysiert.
Regeln können nicht auf frühere, gespeicherte Konversationen angewendet werden.
## Sprach- und Aufgabenkontaktdatensätzen sind verknüpft
Wenn eine Regel eine Aufgabe erstellt, wird automatisch ein Kontaktdatensatz für die Aufgabe generiert. Es besteht eine Verknüpfung mit dem Kontaktdatensatz des Sprachanrufs oder Chats, der die Kriterien für die Regel zur Erstellung der Aufgabe erfüllt hat.
Ein Anruf geht beispielsweise in Ihrem Kontaktzentrum ein und generiert CTR1:
![\[Informationen zum anfänglichen Kontaktdatensatz, wenn ein Anruf eingeht\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-attributes-example1.png)
Die Regel-Engine generiert eine Aufgabe. Im Kontaktdatensatz für die Aufgabe wird der Sprachkontaktdatensatz als **Vorherige Kontakt-ID** angezeigt. Darüber hinaus erbt der Aufgabenkontaktdatensatz Kontaktattribute vom Sprachkontaktdatensatz, wie auf der folgenden Abbildung zu sehen:
![\[Kontaktdatensatz 2 für die Aufgabe\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-attributes-example2.png)
## Über dynamische Werte für ContactId, AgentId, QueueId, RuleName
Die dynamischen Werte in den eckigen Klammern [ und ] werden als [Kontaktattribute](what-is-a-contact-attribute.md) bezeichnet. Kontaktattribute ermöglichen das Speichern temporärer Informationen über den Kontakt, sodass Sie diese in einem Flow verwenden können.
Wenn Sie Kontaktattribute in eckigen Klammern [] hinzufügen — wie ContactId AgentId, QueueId, oder RuleName — wird der Wert von einem Kontaktdatensatz an einen anderen weitergegeben. Sie können Kontaktattribute in Ihrem Flow verwenden, um den Kontakt entsprechend zu verzweigen und weiterzuleiten.
Weitere Informationen finden Sie unter [Verwenden von Kontaktattributen](connect-contact-attributes.md).
# Erstellen einer Regel in Contact Lens, mit der zugeordnete Aufgaben aus einem Fall beendet werden
**So erstellen Sie eine Regel, mit der zugeordnete Aufgaben aus einem Fall beendet werden**
1. Wenn Sie Ihre Regel erstellen, wählen Sie **Ein neuer Fall wird aktualisiert** als Ereignisquelle aus.
![\[Die Seite „Neue Regel“, das Dropdown-Menü „Aktion hinzufügen“, die Option „Ein Fall wird hinzugefügt“.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-update-case-1.png)
1. Wenn Sie Ihre Regel erstellen, wählen Sie **Aufgaben beenden** als Aktion aus.
![\[Die Seite „Neue Regel“, das Dropdown-Menü „Aktion hinzufügen“, die Option „Aufgaben beenden“.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-ends-tasks-2.png)
![\[Die Option „Aufgaben beenden“.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-ends-tasks-3.png)
1. Wählen Sie **Weiter** aus. Überprüfen Sie die Aufgabe und wählen Sie dann **Speichern** aus.
1. Nachdem Sie Regeln hinzugefügt haben, werden diese auf neue Kontakte angewendet, die Sie nach dem Hinzufügen der Regel kontaktieren. Regeln werden angewendet, wenn Amazon Connect Conversational Analytics Konversationen analysiert.
Regeln können nicht auf frühere, gespeicherte Konversationen angewendet werden.
# Erstellen einer Regel in Contact Lens, die einen Fall erstellt
**So erstellen Sie eine Regel, die einen Fall erstellt**
1. Wenn Sie Ihre Regel erstellen, wählen Sie „**Analyse nach dem Anruf ist verfügbar**“, „**Analyse nach dem Chat ist verfügbar**“ oder „**E-Mail-Analyse ist verfügbar“ als Ereignisquelle** aus.
![\[Wählen Sie auf der Seite „Bedingungen definieren“ die Option „Analyse nach dem Anruf ist verfügbar“, „Analyse nach dem Chat ist verfügbar“ oder „E-Mail-Analyse ist als Ereignisquelle verfügbar“ aus.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-create-case-1.png)
1. Wählen Sie **Weiter**
1. Wählen Sie auf der Seite „Aktionen“ die Option **Fall erstellen** für die Aktion aus.
![\[Die Seite „Neue Regel“, das Dropdown-Menü „Aktion hinzufügen“, die Option „Fall erstellen“.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-create-case-2.png)
1. Wählen Sie auf der Karte **Fall erstellen** eine **Fallvorlage** aus.
![\[Wählen Sie auf der Karte „Fall erstellen“ eine Fallvorlage aus.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-create-case-3.png)
1. Füllen Sie die **erforderlichen Felder** aus und fügen Sie **optionale Fallfelder** hinzu, um die Falldaten einzugeben.
**Anmerkung**
Damit diese Aktion funktioniert, muss ein Kundenprofil mit einem Kontakt verknüpft sein. Weitere Informationen finden Sie unter [Aktivieren von Fällen](enable-cases.md).
![\[Füllen Sie die erforderlichen Felder aus und fügen Sie optionale Fallfelder hinzu, um die Falldaten einzugeben.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-create-case-4.png)
1. Wählen Sie **Weiter** aus. Überprüfen Sie die Aufgabe und wählen Sie dann **Speichern** aus.
1. Nachdem Sie Regeln hinzugefügt haben, werden diese auf neue Kontakte angewendet, die Sie nach dem Hinzufügen der Regel kontaktieren. Regeln werden angewendet, wenn Amazon Connect Conversational Analytics Konversationen analysiert.
Regeln können nicht auf frühere, gespeicherte Konversationen angewendet werden.
# Erstellen einer Regel in Contact Lens, die einen Fall aktualisiert
**So erstellen Sie eine Regel, die einen Fall aktualisiert**
1. Wählen Sie beim Erstellen der Regel als Ereignisquelle **Ein Fall wurde aktualisiert** aus und klicken Sie auf **Weiter**.
![\[Die Seite „Neue Regel“, das Dropdown-Menü „Aktion hinzufügen“, die Option „Ein Fall wurde aktualisiert“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-update-case-1.png)
1. Wenn Sie Ihre Regel erstellen, wählen Sie **Fall aktualisieren** als Aktion aus.
![\[Die Seite „Neue Regel“, das Dropdown-Menü „Aktion hinzufügen“, die Option „Fall aktualisieren“.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-update-case-2.png)
1. Wählen Sie in der Dropdown-Liste ein beliebiges Fallfeld aus, das Sie aktualisieren möchten, und definieren Sie dessen neuen Wert.
![\[Wählen Sie in der Dropdown-Liste ein beliebiges Fallfeld aus, das Sie aktualisieren möchten, und definieren Sie dessen neuen Wert.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-update-case-3.png)
![\[Wählen Sie in der Dropdown-Liste ein beliebiges Fallfeld aus, das Sie aktualisieren möchten, und definieren Sie dessen neuen Wert.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-update-case-4.png)
1. Wählen Sie **Weiter** aus. Überprüfen Sie die Aufgabe und wählen Sie dann **Speichern** aus.
1. Nachdem Sie Regeln hinzugefügt haben, werden diese auf neue Kontakte angewendet, die Sie nach dem Hinzufügen der Regel kontaktieren. Regeln werden angewendet, wenn Amazon Connect Conversational Analytics Konversationen analysiert.
Regeln können nicht auf frühere, gespeicherte Konversationen angewendet werden.
# Erstellen einer Regel in Contact Lens, die eine automatisierte Bewertung sendet
Mithilfe von Contact Lens können Sie Bewertungen automatisch ausfüllen und absenden, indem Erkenntnisse und Metriken aus Konversationsanalysen verwendet werden.
## Schritt 1: Konfigurieren der Automatisierung im Bewertungsformular
Bevor Sie eine Regel erstellen können, die eine automatisierte Bewertung sendet, müssen Sie die Automatisierung im Bewertungsformular konfigurieren. Detaillierte Anleitungen finden Sie im Abschnitt [Erstellen eines Bewertungsformulars](create-evaluation-forms.md) unter [Schritt 6: Aktivieren Sie automatisierte Bewertungen](create-evaluation-forms.md#step-automate).
Im Folgenden finden Sie eine Übersicht über die Schritte:
1. Richten Sie die Automatisierung für jede Frage in einem Bewertungsformular ein.
1. Wählen Sie die Option **Automatisches Absenden von Bewertungen aktivieren**, bevor Sie das Bewertungsformular aktivieren.
1. Wenn Sie das Bewertungsformular mit konfigurierter Automatisierung aktivieren, werden Sie aufgefordert, eine Regel zu erstellen, wie in der folgenden Abbildung gezeigt.
![\[Eine Aufforderung zum Erstellen einer Regel\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/create-a-rule-to-submit-automated-evaluations-1.png)
1. Wählen Sie **Regel erstellen** aus.
1. Definieren Sie auf der Seite **Regeln** eine Regel, die festlegt, welche Kontakte automatisch mithilfe des ausgewählten Bewertungsformulars bewertet werden. Das folgende Verfahren bietet die entsprechenden Anleitungen.
## Schritt 2: Definieren einer Regel, die festlegt, welche Kontakte automatisch bewertet werden
Sie können automatisierte Bewertungen mit zwei Arten von Regeln auslösen:
+ Eine Regel für **Konversationsanalysen**, die den Kontakt automatisch bewertet, nachdem Contact Lens die Analyse abgeschlossen hat
+ Eine Regel für **Bewertungsformulare**, mit der ein situationsspezifisches Bewertungsformular als Ergebnis eines generischen Bewertungsformulars ausgelöst werden kann. Wird beispielsweise die Bewertungsfrage *War der Kunde am Kauf eines Produkts interessiert* mit *Ja* beantwortet, können Sie ein weiteres Bewertungsformular aufrufen, mit dem die *Verkaufsleistung des Kundendienstmitarbeiters* gemessen wird.
### Auslösen automatisierter Bewertungen mit einer Regel für Konversationsanalysen
Dies ist der Standardregeltyp, der ausgewählt wird, wenn Sie eine Regel zum Senden einer automatisierten Bewertung erstellen, während Sie das Formular aktivieren. Sie können eine solche Regel auch erstellen, indem Sie auf der Seite **Regeln** die Option **Regel erstellen**, **Konversationsanalyse** auswählen.
1. Wählen Sie als Ereignisquelle entweder **Eine Contact Lens-Analyse nach dem Telefonat ist verfügbar** oder **Eine Contact Lens-Analyse nach dem Chat ist verfügbar** aus. Diese beiden Optionen sind auf der folgenden Abbildung hervorgehoben.
![\[Die Optionen für die Analyse nach dem Telefonat und die Analyse nach dem Chat\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/defined-conditions-evaluations.png)
1. Definieren Sie Bedingungen für die Identifizierung von Kontakten, die automatisch ausgewertet werden sollen, und wählen Sie dann **Weiter**.
Beispielbedingungen, anhand derer Sie die spezifische Gruppe von Agenten oder Kontakten identifizieren können, für die das Bewertungsformular gilt, sind:
+ Kundendienstmitarbeiters (Kundendienstmitarbeiter)
+ Kundendienstmitarbeiter-Hierarchie
+ KI-Agent
+ Queues (Warteschlangen)
+ Initiierungsmethode
Darüber hinaus können Sie Kontakte ausschließen, die aufgrund von Konnektivitäts- oder anderen Problemen möglicherweise vorzeitig beendet wurden, und zwar unter folgenden Bedingungen:
+ Dauer der Interaktion (z. B. über 30 Sekunden)
+ Gesprächszeit (z. B. spricht der Kunde länger als 10 Sekunden)
+ Mögliches Problem beim Trennen der Verbindung, wenn das Problem nicht besteht oder während des Gesprächs kein Verbindungs- oder Geräteproblem bekannt ist
1. Geben Sie auf der Seite **Aktionen definieren** einen Kategorienamen ein, um die Regel zu identifizieren.
1. Klicken Sie auf **Aktion hinzufügen**, wählen Sie **Automatisierte Bewertung einreichen** und anschließend das Formular, das Sie für das automatische Einreichen einer Bewertung verwenden möchten. (Diese Aktion ist auf der Seite bereits ausgewählt, wenn Sie die Regel bei der Aktivierung des Formulars erstellt haben.)
1. Wählen Sie **Weiter** aus. Überprüfen Sie die Einstellungen und wählen Sie dann **Speichern und veröffentlichen** aus.
Nachdem Sie Regeln hinzugefügt haben, werden diese auf neue Kontakte angewendet, die Sie nach dem Hinzufügen der Regel kontaktieren. Regeln werden angewendet, wenn Amazon Connect Conversational Analytics Konversationen analysiert.
**Wichtig**
Regeln können nicht auf frühere, gespeicherte Konversationen angewendet werden.
### Auslösen automatisierter Bewertungen mit einer Regel für Bewertungsformulare
1. Gehen Sie zur Seite **Regeln**. Wählen Sie **Regel erstellen**, **Bewertungsformulare** aus.
1. Wählen Sie unter **Wenn** als Ereignisquelle die Option **Ein Contact Lens-Bewertungsergebnis ist verfügbar**.
1. Wählen Sie **Bedingung hinzufügen** aus, um eine situationsspezifische Bewertung auszulösen. Beispiel:
+ Eine spezifische Antwort auf eine andere Bewertung, wie in der folgenden Abbildung gezeigt
![\[Eine spezifische Antwort auf eine andere Bewertung\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/add-condition-1.png)
+ Die Punktzahl eines anderen Bewertungsformulars, wie in der folgenden Abbildung gezeigt
![\[Die Punktzahl eines anderen Bewertungsformulars\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/add-condition-2.png)
1. Klicken Sie auf **Aktion hinzufügen**, wählen Sie **Automatisierte Bewertung einreichen** und anschließend das Formular, das Sie für das automatische Einreichen einer Bewertung verwenden möchten.
1. Wählen Sie **Weiter** aus. Überprüfen Sie die Einstellungen und wählen Sie dann **Speichern und veröffentlichen** aus.
## Häufig gestellte Fragen (FAQ)
1. **Kann eine automatisierte Bewertung eine manuell eingereichte Bewertung außer Kraft setzen?**
Nein. Wenn bereits eine Bewertung vorhanden ist, schlägt die automatische Bewertung für diesen Kontakt fehl, und Kontoadministratoren können die Benachrichtigungen über solche Fehler darin einsehen. CloudWatch
1. **Woran erkenne ich automatisierte Bewertungen?**
Wenn eine Bewertung automatisch eingereicht wird, ist sie auf der Seite **Kontaktdaten** als „Über Contact Lens-Automatisierung eingereicht“ gekennzeichnet. Wenn eine automatisierte Bewertung manuell bearbeitet und erneut eingereicht wird, enthält das Feld „Eingereicht von“ den Namen des Bewerters.
1. **Kann ich einen Kontakt mithilfe mehrerer Bewertungsformulare automatisch bewerten?**
Ja, Sie können mehrere Bewertungsformulare verwenden, um einen Kontakt automatisch zu bewerten. Dazu müssen Sie mehrere Regeln erstellen, um automatisierte Bewertungen mithilfe der verschiedenen Bewertungsformulare einzureichen.
# Verwenden einer Wort- oder Wortgruppenbedingung in einer Regel für Contact Lens
In der Regel **Konversationsanalyse** in Contact Lens haben Sie die Möglichkeit, eine Wort- oder Wortgruppenbedingung anzugeben. Sie können für die Wörter oder Wortgruppen „Genaue Übereinstimmung“, „Semantische Übereinstimmung“ oder „Musterübereinstimmung“ auswählen. In diesem Artikel werden die einzelnen Übereinstimmungstypen erläutert.
**Anmerkung**
Bei allen drei Übereinstimmungstypen wird nicht zwischen Groß- und Kleinschreibung unterschieden. Wenn Sie beispielsweise das Wort „Abrechnen“ angegeben haben, stimmt es auch mit dem Transkript überein, das das Wort „abrechnen“ enthält.
## So verwenden Sie „Genaue Übereinstimmung“
**Genaue Übereinstimmung** ist eine genaue Übereinstimmung mit einem Wort, das sowohl im Singular als auch im Plural sein kann.
Sie können Schlüsselwörter oder Wortgruppen wie folgt hinzufügen:
+ Wählen Sie **Schlüsselwörter oder Phrasen eingeben** und geben Sie die Werte manuell in das Textfeld ein. Mehrere Werte können durch ein Komma getrennt werden.
![\[Die Option „Schlüsselwörter oder Phrasen eingeben“ auf der Benutzeroberfläche\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/exact-match-1.png)
+ Wählen Sie **Aus der Wortsammlung importieren**, um vordefinierte Wörter und Wortgruppen aus Wortsammlungen zu importieren.
![\[Option „Aus der Wortsammlung importieren“ auf der Benutzeroberfläche\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/exact-match-2.png)
Wortsammlungen können in zwei Typen eingeteilt werden: Benutzer-Wortsammlungen und System-Wortsammlungen. System-Wortsammlungen sind von Amazon Connect vordefiniert und können von Benutzern nicht bearbeitet werden. Eine Benutzer-Wortsammlung kann von Benutzern erstellt, gelesen, aktualisiert und gelöscht werden (CRUD). Weitere Informationen finden Sie unter [Verwalten von Wortsammlungen beim Erstellen von Regeln für Konversationsanalysen in Contact Lens](manage-word-collections.md).
## So verwenden Sie „Musterübereinstimmung“
Wenn Sie nach ähnlichen Wörtern suchen möchten, können Sie den Kriterien ein Sternchen (\$1) hinzufügen. Wenn Sie beispielsweise nach allen Varianten von „Nachbar“ (Nachbarin, Nachbarn, Nachbarschaft) suchen möchten, geben Sie **Nachbar\$1** ein.
Mit **Musterübereinstimmung** können Sie Folgendes angeben:
+ **Liste der Werte**: Dies ist hilfreich, wenn Sie Ausdrücke mit austauschbaren Werten erstellen möchten. Beispiel für einen Ausdruck:
*Ich rufe wegen eines Stromausfalls in ["Peking" ODER "London" ODER "New York" ODER "Paris" ODER "Tokio"] an.*
Anschließend können Sie in Ihrer Liste mit Werten die Städte hinzufügen: Peking, London, New York, Paris, Tokio.
Der Vorteil der Verwendung von Werten besteht darin, dass Sie nur einen Ausdruck anstelle mehrerer Ausdrücke erstellen müssen. Dadurch verringert sich die Anzahl der zu erstellenden Karten.
+ **Zahl**: Diese Option wird am häufigsten in Compliance-Skripten verwendet oder in Fällen, in denen Sie nach einem Kontext suchen, wenn Sie wissen, dass irgendwo dazwischen eine Zahl (in Ziffern [0–9]) steht. Auf diese Weise können Sie alle Ihre Kriterien in einem Ausdruck vereinen statt zwei zu verwenden. Beispiel eines Compliance-Skripts für Kundendienstmitarbeiter:
*Ich bin seit [num] Jahren in dieser Branche tätig und würde dieses Angelegenheit gerne mit Ihnen besprechen.*
Weiteres Beispiel dazu, was Kunden sagen könnten:
*Ich bin seit [num] Jahren Mitglied.*
**Anmerkung**
Beim Extrahieren von Zahlen aus Chat- oder Audiotranskripten werden nur numerische Ziffern (0–9) erkannt.
Bei Sprachkontakten in bestimmten Sprachen können bei der [Zahlentranskription](https://docs.aws.amazon.com/transcribe/latest/dg/how-numbers.html) gesprochene Zahlen möglicherweise nicht in ein digitales Format umgewandelt werden. Das bedeutet, dass der Zahlenmusterabgleich in diesen Fällen eventuell nicht funktioniert. Eine Liste der Sprachen, die eine Transkription von Zahlen unterstützen, finden Sie im *Entwicklerhandbuch zu Amazon Transcribe* unter [Unterstützte Sprachen und sprachspezifische Features](https://docs.aws.amazon.com/transcribe/latest/dg/supported-languages.html).
+ **Nähedefinition**: Es werden Übereinstimmungen gefunden, die eventuell zu weniger als 100 Prozent passen. Sie können auch den Abstand zwischen Wörtern angeben. Wenn Sie beispielsweise nach Kontakten suchen, bei denen das Wort „Kredit“ erwähnt wurde, Sie aber keine Erwähnungen der Wortgruppe „neuer Kredit“ wünschen, können Sie eine Musterübereinstimmungskategorie definieren, um nach dem Wort „Kredit“ zu suchen, das nicht in einem Abstand von einem Wort zu „neuer“ steht.
Beispiel für eine Nähedefinition:
*neuer [is not within 1 word from] Kredit*
**Tipp**
Eine Liste der für die Musterübereinstimmung unterstützten Sprachen finden Sie unter [KI-Features](supported-languages.md#supported-languages-contact-lens).
## So verwenden Sie „Semantische Übereinstimmung“
„Semantische Übereinstimmung“ wird nur für die Analyse nach dem Anruf/Chat unterstützt.
+ Eine „Absicht“ ist ein Beispiel für eine Äußerung. Dabei kann es sich um eine Wortgruppe oder einen Satz handeln.
+ Sie können bis zu vier Absichten in eine Karte (Gruppe) eingeben.
+ Für die besten Ergebnisse empfehlen wir, in einer Karte semantisch ähnliche Absichten zu sammeln. Beispiel: Es gibt eine Kategorie für „Höflichkeit“. Diese beinhaltet zwei Absichten: „Begrüßung“ und „Verabschiedung“. Wir empfehlen, diese Absichten in zwei Karten zu unterteilen:
+ Karte 1: „Wie geht es Ihnen heute“ und „Ich hoffe, es geht Ihnen gut“. Das sind semantisch ähnliche Begrüßungen.
+ Karte 2: „Danke, dass Sie uns kontaktiert haben“ und „Wir wissen Sie als Kundin zu schätzen“. Das sind semantisch ähnliche Verabschiedungen.
Die Aufteilung der Absichten in zwei Karten bietet mehr Genauigkeit als bei einer Zusammenführung in einer Karte.
# Verwenden von generativer KI, um Kontakte semantisch mit Aussagen in natürlicher Sprache abzugleichen
In einer Regel für **Konversationsanalysen** in Contact Lens können Sie optional eine Bedingung für **Natürliche Sprache – Semantische Übereinstimmung** angeben, mit der mithilfe generativer KI Kontakte gefunden werden, die einer Aussage in natürlicher Sprache entsprechen. „Natürliche Sprache – Semantische Übereinstimmung“ wird verwendet, wenn Sie Kontakte nach kontextspezifischen Kriterien abgleichen möchten (etwa ob das Problem des Kunden während des Anrufs gelöst wurde) oder wenn es zu viele mögliche Wörter oder Wortgruppen gibt, um die Bedingung **Wörter oder Phrasen** zu verwenden.
Profi-Tipp: Verwenden Sie die auf generativer KI basierende Option „Natürliche Sprache – Semantische Übereinstimmung“, wenn Sie zuvor „Wörter oder Phrasen – Semantische Übereinstimmung“ benutzt haben.
## So verwenden Sie die Option „Natürliche Sprache – Semantische Übereinstimmung“
****
1. Melden Sie sich bei Amazon Connect als Benutzer an, der über die Berechtigungen **Regeln** und **Regeln – Generative KI** verfügt.
1. Wählen Sie im Navigationsmenü **Analyse und Optimierung** und dann **Regeln** aus.
1. Wählen Sie als Nächstes **Regel erstellen** und **Konversationsanalysen** aus.
![\[Option „Aus der Wortsammlung importieren“ auf der Benutzeroberfläche\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/create-natural-semantic-match-rule.png)
1. Wählen Sie als Ereignisquelle entweder „Eine Contact Lens-Analyse nach dem Telefonat ist verfügbar“ oder „Eine Contact Lens-Analyse nach dem Chat ist verfügbar“ aus.
1. Wählen Sie **Bedingung hinzufügen** und anschließend **Natürliche Sprache – Semantische Übereinstimmung** aus.
![\[Option „Aus der Wortsammlung importieren“ auf der Benutzeroberfläche\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/choose-natural-semantic-match.png)
1. Geben Sie eine Aussage in natürlicher Sprache ein, die von generativer KI als wahr oder falsch bewertet werden kann, indem sie mit dem Konversationstranskript abgeglichen wird.
![\[Option „Aus der Wortsammlung importieren“ auf der Benutzeroberfläche\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/enter-natural-language-statement.png)
1. Fügen Sie zusätzliche Bedingungen hinzu, etwa Warteschlangen, benutzerdefinierte Kontaktattribute usw.
1. Wählen Sie **Weiter** und geben Sie einen Kategorienamen (ohne Leerzeichen) ein, der verwendet werden soll, um Kontakte mit der Aussage in natürlicher Sprache zu kennzeichnen, **CustomerAddressChange**z. B.
1. Sie können zusätzliche Aktionen angeben, etwa [Aufgaben generieren](contact-lens-rules-create-task.md), [E-Mail-Benachrichtigungen senden](contact-lens-rules-email.md) und [Bewertungen automatisch senden](contact-lens-rules-submit-automated-evaluation.md).
1. Klicken Sie auf **Weiter**, um die Regel zu überprüfen, bevor Sie sie **speichern und veröffentlichen**. Wenn Sie die Regel noch nicht veröffentlichen möchten, können Sie sie auch **als Entwurf speichern**.
## Leitfaden zur Verwendung von semantischen Übereinstimmungen
In der folgenden Liste wird beschrieben, wie die semantische Übereinstimmung am besten verwendet wird:
+ Die Aussage sollte etwas sein, das als wahr oder falsch bewertet werden kann.
+ Bei der Option „Natürliche Sprache – Semantische Übereinstimmung“ wird nur das Transkript der Konversation verwendet. Wenn Sie andere Kontaktattribute (etwa Warteschlangen) in den Übereinstimmungskriterien verwenden möchten, müssen diese als separate Bedingungen innerhalb der Regel angegeben werden.
+ Verwenden Sie nach Möglichkeit den Begriff „Kundendienstmitarbeiter“ anstelle von „Kollege“, „Mitarbeiter“, „Vertreter“, „Berater“ oder „Agent“. Verwenden Sie entsprechend den Begriff „Kunde“ anstelle von Begriffen wie „Mitglied“, „Anrufer“, „Gast“ oder „Abonnent“.
+ Verwenden Sie doppelte Anführungszeichen nur dann, wenn Sie die genauen Worte finden möchten, die der Kundendienstmitarbeiter oder der Kunde gesagt hat. Wenn die Anweisung beispielsweise darin besteht, zu überprüfen, ob der Kundendienstmitarbeiter „Schönen Tag noch“ gesagt hat, wird die Aussage „Schönen Nachmittag noch“ von der generativen KI nicht erkannt. Stattdessen sollte die Aussage in natürlicher Sprache lauten: „Der Kundendienstmitarbeiter wünschte dem Kunden einen schönen Tag.“
**Beispielaussagen beim Verwenden der semantischen Übereinstimmung**
+ Der Kunde wollte eine Änderung an seinem Abonnement vornehmen.
+ Der Kunde bedankte sich beim Kundendienstmitarbeiter für die Unterstützung.
+ Der Kunde hat den Wunsch geäußert, seine aktuellen Dienste zu kündigen.
+ Der Kunde hat um eine nachfolgende Interaktion gebeten.
+ Der Kunde hat den Kundendienstmitarbeiter gebeten, Informationen zu wiederholen, was auf mangelndes Verständnis hindeutete.
+ Der Kunde bat darum, mit dem Vorgesetzten des Kundendienstmitarbeiters zu sprechen.
+ Der Kundendienstmitarbeiter hat den Kunden um zusätzliche Informationen oder eine Bestätigung gebeten, bevor er eine endgültige Antwort gab.
+ Der Kundendienstmitarbeiter hat mehrere Zahlungsmöglichkeiten angeboten.
+ Der Kundendienstmitarbeiter versicherte dem Kunden, dass sein Anruf wichtig war, und bat um zusätzliche Wartezeit.
+ Der Kundendienstmitarbeiter hat alle Probleme des Kunden gelöst.
# Verwalten von Wortsammlungen beim Erstellen von Regeln für Konversationsanalysen in Contact Lens
Eine *Wortsammlung* besteht aus einer Reihe von vorgefertigten Wörtern und Wortgruppen, anhand derer Sie die Bedingung für eine genaue Übereinstimmung definieren können, wenn Sie Regeln für Konversationsanalysen erstellen. Wenn Sie einer Regel Bedingungen für die genaue Übereinstimmung hinzufügen, können Sie eine Liste mit Wörtern und Wortgruppen aus einem Dropdown-Menü auswählen.
## Erforderliche Berechtigungen
Für „Contact Lens-Regeln – Wortsammlungen“ sind die gleichen Sicherheitsprofilberechtigungen erforderlich wie für „Contact Lens-Regeln“. Weitere Informationen finden Sie unter [Sicherheitsprofilberechtigungen für Regeln in Contact Lens](permissions-for-rules.md).
## So greifen Sie auf die Verwaltungsseite für Wortsammlungen zu
1. Wenn Sie eine Regel für Konversationsanalysen erstellen oder aktualisieren, klicken Sie auf das Zahnradsymbol oben rechts auf der Bedingungskarte für die **genaue Übereinstimmung**, wie in der folgenden Abbildung gezeigt.
![\[Die Option „Schlüsselwörter oder Phrasen eingeben“ auf der Benutzeroberfläche\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/word-collections-permissions-how-to-access-1.png)
1. Auf der Verwaltungsseite für **Wortsammlungen** können Sie bestehende Wortsammlungen ansehen und neue Wortsammlungen erstellen.
![\[Die Option „Schlüsselwörter oder Phrasen eingeben“ auf der Benutzeroberfläche\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/word-collections-permissions-how-to-access-2.png)
## So erstellen Sie eine Benutzer-Wortsammlung
****
1. Wählen Sie auf der Verwaltungsseite für **Wortsammlungen** die Option **Eine Wortsammlung erstellen** aus.
![\[Die Option „Schlüsselwörter oder Phrasen eingeben“ auf der Benutzeroberfläche\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/create-user-word-collections-1.png)
1. Geben Sie den Namen der Wortsammlung ein, fügen Sie Wörter und Wortgruppen hinzu und klicken Sie dann auf **Speichern**.
![\[Die Option „Schlüsselwörter oder Phrasen eingeben“ auf der Benutzeroberfläche\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/create-user-word-collections-2.png)
## Limits für Wortsammlungen
+ Amazon Connect hat ein Standardlimit von 100 Benutzer-Wortsammlungen pro Instance.
+ Jede Wortsammlung kann maximal 100 Wörter oder Wortgruppen enthalten.
+ Jedes Wort oder jede Wortgruppe ist auf maximal 512 Zeichen begrenzt.
+ Sie können nur Benutzer-Wortsammlungen verwalten. System-Wortsammlungen können Sie weder verwalten noch bearbeiten.
# Eingeben eines Skripts in eine Regel für Contact Lens, die von Kundendienstmitarbeitern befolgt werden soll
Geben Sie ein Skript in eine Regel für Contact Lens ein, wenn Sie möchten, dass Kundendienstmitarbeiter bei Kundenanrufen ganz bestimmte Worte verwenden.
Zum Eingeben eines Skripts in eine Regel können Sie Wortgruppen eingeben. Wenn Sie beispielsweise hervorheben möchten, wenn Kundendienstmitarbeiter *Danke, dass Sie Mitglied sind. Wir freuen uns über Ihr Interesse.* sagen, geben Sie zwei Wortgruppen ein:
+ Danke, dass Sie Mitglied sind.
+ Wir freuen uns über Ihr Interesse.
Fügen Sie zur Anwendung der Regel auf bestimmte Geschäftsbereiche eine Bedingung dafür, für welche Warteschlangen sie gilt, oder Kontaktattribute hinzu. Die folgende Abbildung zeigt beispielsweise eine Regel, die gilt, wenn ein Mitarbeiter die BasicQueue Warteschlangen für Abrechnung und Zahlungen bearbeitet, der Kunde eine Autoversicherung abgeschlossen hat und der Vertreter in Seattle ansässig ist.
![\[Die Seite „Neue Regel“, der Abschnitt „Wörter oder Phrasen – Genaue Übereinstimmung“, mehrere Bedingungen\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-add-category-rules-3.png)
# Sicherheitsprofilberechtigungen für Regeln in Contact Lens
Damit Sie Regeln für die automatische Kategorisierung ansehen, bearbeiten oder hinzufügen können, müssen Sie einem Sicherheitsprofil zugewiesen sein, das über die Berechtigungen **Analyse und Optimierung: Regeln** verfügt.
Zum Ansehen, Bearbeiten oder Hinzufügen von Regeln, die generative KI verwenden (mittels der Bedingung **Natürliche Sprache – Semantische Übereinstimmung**), muss Ihrem Sicherheitsprofil zusätzlich die Berechtigung **Analyse und Optimierung: Regeln – Generative KI** zugewiesen werden.
Damit Sie die Namen von Kundendienstmitarbeitern sehen können, um sie zu Regeln hinzuzufügen, benötigen Sie in Ihrem Sicherheitsprofil die Berechtigungen **Benutzer und Berechtigungen: Benutzer – Anzeigen**.
Damit Sie die Namen der Warteschlangen sehen können, um sie zu Regeln hinzuzufügen, benötigen Sie in Ihrem Sicherheitsprofil die Berechtigungen **Routing: Warteschlangen – Anzeigen**.
Weitere Informationen finden Sie unter [Zuweisen von Berechtigungen für die Verwendung der Konversationsanalysen von Contact Lens in Amazon Connect](permissions-for-contact-lens.md).
# Entwerfen eines Flows zur Verwendung von Kontaktattributen in einer Regel für Contact Lens
In einer Regel können bis zu fünf Kontaktattribute verwendet werden.
Kontaktattribute werden zu Beginn der Kontaktanalysesitzung in Echtzeit abgerufen. Alle dabei abgerufenen Daten werden während der gesamten Sitzung für die Regelauswertung verwendet. Mögliche Aktualisierungen von Kontaktattributen nach dem Start der Sitzung werden nicht berücksichtigt.
Sie können Flows so entwerfen, dass die Kontaktattribute verwendet werden, die Sie in einer Regel angeben, und die Aufgabe dann entsprechend weitergeleitet wird. Beispiel: Ein Anruf oder Chat geht in Ihrem Contact Center ein. Beim Analysieren des Anrufs oder Chats findet Contact Lens einen Treffer für die Regel **Compliance**. Der Kontaktdatensatz, der für den Anruf erstellt wird, enthält beispielsweise Informationen, die denjenigen auf der folgenden Abbildung ähneln. Es zeigt die **Kategorie** = **Compliance** und hat zwei benutzerdefinierte Kontaktattribute: **CustomerType**= **VIP**, **AgentLocation**= **NYC**.
![\[Der Kontaktdatensatz, wenn die Compliance-Regel ausgelöst wird\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-attributes-example1.png)
Die Regel-Engine generiert eine Aufgabe. Der Kontaktdatensatz für die Aufgabe erbt die Kontaktattribute vom Sprachkontaktdatensatz, wie auf der folgenden Abbildung zu sehen:
![\[Der Kontaktdatensatz für die Aufgabe, die benutzerdefinierten Kontaktattribute\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-rules-attributes-example2.png)
Der Sprachkontaktdatensatz wird als **Vorherige Kontakt-ID** angezeigt.
Der Flow, den Sie in der Regel angeben, sollte so aufgebaut sein, dass er die Kontaktattribute verwendet und die Aufgabe an entsprechende Besitzer weiterleitet. Beispielsweise möchten Sie Aufgaben, bei denen **CustomerType = VIP** gilt, möglicherweise an einen bestimmten Agenten weiterleiten.
Weitere Informationen finden Sie unter [Verwenden von Kontaktattributen](connect-contact-attributes.md).
# Anwenden von Regeln auf neue Kontakte, wenn Contact Lens Konversationen analysiert
Nachdem Sie Regeln hinzugefügt haben, werden diese auf neue Kontakte angewendet, die Sie nach dem Hinzufügen der Regel kontaktieren. Regeln werden angewendet, wenn Amazon Connect Conversational Analytics Konversationen analysiert.
Regeln können nicht auf frühere, gespeicherte Konversationen angewendet werden.
# Fehlermeldungen: Wenn Contact Lens einen Kontakt nicht analysieren kann
Möglicherweise kann Contact Lens eine Kontaktdatei nicht analysieren, obwohl die Analyse im Flow aktiviert ist. In diesem Fall werden mithilfe von EventBridge Amazon-Ereignissen Fehlerbenachrichtigungen Contact Lens gesendet.
Ereignisse werden auf [bestmögliche Weise](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-service-event.html) ausgegeben.
## EventBridge Benachrichtigungen abonnieren
Um diese Benachrichtigungen zu abonnieren, erstellen Sie eine benutzerdefinierte EventBridge Regel, die den folgenden Kriterien entspricht:
+ "source" = "aws.connect"
+ "detail-type" = "Contact Lens Analysis State Change"
Sie können das Muster auch ergänzen, um benachrichtigt zu werden, wenn ein bestimmter Ereigniscode auftritt. Weitere Informationen finden Sie unter [Event Patterns](https://docs.aws.amazon.com/eventbridge/latest/userguide/filtering-examples-structure.html) im * EventBridge Amazon-Benutzerhandbuch*.
Das Format einer Benachrichtigung sieht wie das folgende Beispiel aus:
```
{
"version": "0", // set by CloudWatch Events
"id": "55555555-1111-1111-1111-111111111111", // set by CloudWatch Events
"source": "aws.connect",
"detail-type": "Contact Lens Analysis State Change",
"account": "111122223333",
"time": "2020-04-27T18:43:48Z",
"region": "us-east-1", // set by CloudWatch Events
"resources": [
"arn:aws:connect:us-east-1:111122223333:instance/abcd1234-defg-5678-h9j0-7c822889931e",
"arn:aws:connect:us-east-1:111122223333:instance/abcd1234-defg-5678-h9j0-7c822889931e/contact/efgh4567-pqrs-5678-t9c0-111111111111"
],
"detail": {
"instance": "arn:aws:connect:us-east-1:111122223333:instance/abcd1234-defg-5678-h9j0-7c822889931e",
"contact": "arn:aws:connect:us-east-1:111122223333:instance/abcd1234-defg-5678-h9j0-7c822889931e/contact/efgh4567-pqrs-5678-t9c0-111111111111",
"channel": "VOICE",
"state": "FAILED",
"reasonCode": "RECORDING_FILE_CANNOT_BE_READ"
}
}
```
## Ereigniscodes
In der folgenden Tabelle sind die Ereigniscodes aufgeführt, die auftreten können, wenn Contact Lens einen Kontakt nicht analysieren kann.
| Ereignisursachencode | Description |
| --- | --- |
| INVALID\$1ANALYSIS\$1CONFIGURATION | Contact Lens hat ungültige Werte erhalten, als der Flow initiiert wurde, z. B. einen nicht unterstützten oder ungültigen Sprachcode oder einen nicht unterstützten Wert für das Redaktionsverhalten. |
| RECORDING\$1FILE\$1CANNOT\$1BE\$1READ | Contact Lens kann die Aufzeichnungsdatei nicht abrufen. Das kann daran liegen, dass die Datei nicht im S3-Bucket vorhanden ist oder dass Probleme mit Berechtigungen vorliegen. |
| RECORDING\$1FILE\$1TOO\$1SMALL | Die Aufzeichnungsdatei ist zu klein für eine Analyse (weniger als 105 ms). Wenn die Datei nicht das erwartete Format hat, tritt ein INVALID-Fehler auf. Leeres JSON ist ebenfalls ein unerwartetes Objekt. |
| RECORDING\$1FILE\$1TOO\$1LARGE | Die Aufzeichnungsdatei überschreitet das Limit für die Dauer der Analyse. [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/contact-lens-error-notifications.html) |
| RECORDING\$1FILE\$1INVALID | Die Aufzeichnungsdatei ist ungültig. |
| RECORDING\$1FILE\$1CANNOT\$1BE\$1READ | Beim Versuch von Contact Lens, die Aufzeichnungsdatei zu lesen, ist ein Fehler aufgetreten. |
| RECORDING\$1FILE\$1EMPTY | Die Aufzeichnungsdatei ist leer. |
| RECORDING\$1SAMPLE\$1RATE\$1NOT\$1SUPPORTED | Die Abtastrate der Audiodatei wird nicht unterstützt. Contact Lensunterstützt derzeit Audiodateien mit einer Abtastrate von 8 kHz. Das ist die Abtastrate für Amazon-Connect-Aufzeichnungen. |
# Fehlermeldungen, wenn eine Amazon-Connect-Regel nicht ausgeführt werden kann
Es ist wichtig, zu wissen, wann eine bestimmte Regelaktion in einer Produktionsumgebung fehlgeschlagen ist und wodurch dieses Problem verursacht wurde. Dann können Sie in der Zukunft aktiv gegen solche Fehler vorgehen.
Um in Echtzeit Einblicke in die Aktionen zu erhalten, die nicht ausgeführt werden konnten, integrieren Sie Amazon Connect Connect-Regeln in EventBridge Amazon-Ereignisse. Auf diese Weise können Sie benachrichtigt werden, wenn beispielsweise die Aktion „Aufgabe erstellen“ nicht ausgeführt werden konnte, weil die maximale Anzahl an **gleichzeitig aktiven Aufgaben pro Instance** die Service Quota erreicht hat. In diesem Fall sendet Amazon Connect mithilfe von EventBridge Amazon-Ereignissen Fehlerbenachrichtigungen.
Ereignisse werden auf [bestmögliche Weise](https://docs.aws.amazon.com/eventbridge/latest/userguide/eb-service-event.html) ausgegeben.
## Abonnieren Sie EventBridge Benachrichtigungen
Um diese Benachrichtigungen zu abonnieren, erstellen Sie eine benutzerdefinierte EventBridge Regel, die den folgenden Kriterien entspricht:
+ "source" = "aws.connect"
+ "detail-type" = "Contact Lens Rules Action Execution Failed"
Sie können das Muster auch ergänzen, um benachrichtigt zu werden, wenn ein bestimmter Ereigniscode auftritt. Weitere Informationen finden Sie unter [Event Patterns](https://docs.aws.amazon.com/eventbridge/latest/userguide/filtering-examples-structure.html) im * EventBridge Amazon-Benutzerhandbuch*.
Das Format einer Benachrichtigung sieht wie das folgende Beispiel aus:
```
{
"version": "0",
"id": "8d122163-6c07-f8cb-06e7-373a1bcf8fc6",
"source": "aws.connect",
"detail-type": "Amazon Connect Rules Action Execution Failed",
"account": "123456789012",
"time": "2022-01-05T01:30:42Z",
"region": "us-east-1",
"resources": ["arn:aws:connect:us-east-1:123456789012:instance/cb54730f-5aac-4376-b2f4-7c822889931e"],
"detail": {
"ruleId": "7410c94b-21c2-4db0-a707-c6d751edbe8f",
"actionType": "CREATE_TASK",
"triggerEvent": "THIRD_PARTY",
"instanceArn": "arn:aws:connect:us-east-1:123456789012:instance/cb54730f-5aac-4376-b2f4-7c822889931e",
"reasonCode": "ResourceNotFoundException",
"error": "ContactFlowId provided does not belong to connect instance",
"additionalInfo": "{\n \"message\": \"Not Found\",\n \"code\": \"ResourceNotFoundException\",\n \"statusCode\": 404,\n \"time\": \"2022-01-03T20:23:07.073Z\",\n \"requestId\": \"048e4403-71c1-47d6-96fc-825744f518e7\",\n \"retryable\": false,\n \"retryDelay\": 28.217537834500316\n}"
}
}
```
## Unterstützte Aktionstypen
+ `CREATE_TASK`
+ `GENERATE_EVENTBRIDGE_EVENT`
+ `SEND_NOTIFICATION`
Weitere Informationen zu `ASSIGN_CONTACT_CATEGORY` finden Sie unter [Fehlermeldungen: Wenn Contact Lens einen Kontakt nicht analysieren kann Fehlerbehebung](contact-lens-error-notifications.md).
## Unterstützte Auslöseereignisse
+ `REAL_TIME_CALL`
+ `REAL_TIME_CHAT`
+ `POST_CALL`
+ `POST_CHAT`
+ `THIRD_PARTY`
## Ursachencodes für fehlgeschlagene Aktionen
Wenn eine Aktion fehlschlägt, sammelt der Fehlerbenachrichtigungsdienst die Ursachencodes von den unterstützten Aktionen. Weitere Informationen zu den Ursachencodes für Aufgaben- und EventBridge Aktionsfehler finden Sie in den folgenden Themen:
+ Ursachencodes für fehlgeschlagene Task-Aktionen finden Sie unter [Fehler](https://docs.aws.amazon.com/connect/latest/APIReference/API_StartTaskContact.html#API_StartTaskContact_Errors) im **StartTaskContact**API-Thema im *Amazon Connect API-Referenzhandbuch*.
+ Ursachencodes für fehlgeschlagene EventBridge Aktionen finden Sie unter [Fehler](https://docs.aws.amazon.com/eventbridge/latest/APIReference/API_PutEvents.html#API_PutEvents_Errors) im **PutEvents**API-Thema im *Amazon EventBridge API-Referenzhandbuch*.
# Geben Sie Variablen für bestimmte Parameter an, wenn Sie Regeln mit Amazon Connect erstellen oder verwalten APIs
Wenn Sie Regeln programmgesteuert mit Amazon Connect erstellen oder verwalten APIs (z. B. [CreateRule](https://docs.aws.amazon.com/connect/latest/APIReference/API_CreateRule.html)oder [UpdateRule](https://docs.aws.amazon.com/connect/latest/APIReference/API_UpdateRule.html)), können Sie Variablen für bestimmte Parameter angeben. Die Variablen werden zur Laufzeit, wenn die Aktion ausgelöst wird, basierend auf dem Wert des [EventSourceName](https://docs.aws.amazon.com/connect/latest/APIReference/API_RuleTriggerEventSource.html)Parameters aufgelöst.
Nehmen wir zum Beispiel an, Sie richten eine Aufgabenaktion ein und möchten mehr Kontext hinzufügen. Im Folgenden finden Sie ein Beispiel dafür, wie Sie das Einfügen von Variablen nutzen könnten, um die ID des Kontakts und die ID des/der Kundendienstmitarbeiter:in in das `Description`-Feld der Aufgabe aufzunehmen:
+ Der/Die Kund:in ist mit dem Telefongespräch unzufrieden. Während des Gesprächs mit dem/der Kundendienstmitarbeiter:in `$.ContactLens.PostCall.Agent.AgentId` während des Kontakts `$.ContactLens.PostCall.ContactId` wurde ein Schimpfwort erkannt.
Wenn die Aktion ausgelöst wird, könnte die zugehörige Zeichenfolge wie folgt aufgelöst werden: „Der/Die Kund:in ist mit dem Telefongespräch unzufrieden. Während eines Gesprächs mit dem Agenten 12345678-1234-1234-1234- im Kontakt 87654321-1234-1234-1234-“ wurde ein Schimpfwort entdeckt EXAMPLEID012 EXAMPLEID345
In der folgenden Tabelle sind die einzelnen Ereignisquellen sowie die für Felder zu verwendenden Ereignisquellen aufgeführt, die das Einfügen von Variablen unterstützen. JSONPath
| EventSourceName | JSONPath Referenz |
| --- | --- |
| OnPostCallAnalysisAvailable | \$1.ContactLens.PostCall.ContactId \$1. ContactLens. PostCall. Agentin. AgentId \$1. ContactLens. PostCall. Warteschlange. QueueId |
| OnRealTimeCallAnalysisAvailable | \$1.ContactLens.RealTimeCall.ContactId \$1. ContactLens. RealTimeCall. Agentin. AgentId \$1. ContactLens. RealTimeCall. Warteschlange. QueueId |
| OnPostChatAnalysisAvailable | \$1.ContactLens.PostChat.ContactId \$1. ContactLens. PostChat. Agentin. AgentId \$1. ContactLens. PostChat. Warteschlange. QueueId |
| OnSalesforceCaseCreate | \$1. ThirdParty. Salesforce. CaseCreate. CaseNumber \$1. ThirdParty. Salesforce. CaseCreate.Name \$1. ThirdParty. Salesforce. CaseCreate.E-Mail \$1. ThirdParty. Salesforce. CaseCreate.Telefon \$1. ThirdParty. Salesforce. CaseCreate.Unternehmen \$1. ThirdParty. Salesforce. CaseCreate.Typ \$1. ThirdParty. Salesforce. CaseCreate. Grund \$1. ThirdParty. Salesforce. CaseCreate.Herkunft \$1. ThirdParty. Salesforce. CaseCreate.Betreff \$1. ThirdParty. Salesforce. CaseCreate.Priorität \$1. ThirdParty. Salesforce. CaseCreate. CreatedDate \$1. ThirdParty. Salesforce. CaseCreate. Beschreibung |
| OnZendeskTicketCreate | \$1. ThirdParty. Zendesk. TicketCreate.ID \$1. ThirdParty. Zendesk. TicketCreate. Priorität \$1. ThirdParty. Zendesk. TicketCreate. CreatedAt |
| OnZendeskTicketStatusUpdate | \$1. ThirdParty. Zendesk. TicketStatusUpdate.ID \$1. ThirdParty. Zendesk. TicketStatusUpdate. Priorität \$1. ThirdParty. Zendesk. TicketStatusUpdate. CreatedAt |
# Durchsuchen von Konversationen, die von Contact Lens analysiert wurden
Sie können die analysierten und transkribierten Aufzeichnungen durchsuchen basierend auf:
+ Sprecher:in (Kundendienstmitarbeiter:in oder Kund:in)
+ Schlüsselwörter
+ Stimmungswert
+ Sprechfreie Zeit (nur für Anrufe)
+ Reaktionszeit (nur für Chats)
Darüber hinaus können Sie Konversationen durchsuchen, die zu bestimmten Kontaktkategorien gehören (d. h., die Konversation wurde anhand von geäußerten Schlüsselwörtern und Wortgruppen kategorisiert).
Diese Kriterien werden in den folgenden Abschnitten erläutert.
**Wichtig**
Wenn Contact Lens für einen Kontakt aktiviert ist, analysiert Contact Lens nach Beendigung eines Anrufs oder Chats **und** nachdem der Agent die Nachbearbeitung (ACW) abgeschlossen hat, die Aufzeichnung des Gesprächs zwischen Kunde und Kundendienstmitarbeiter (und transkribiert sie bei Anrufen). Kundendienstmitarbeiter müssen zuerst **Kontakt schließen** auswählen.
Chat-Transkripte werden für die Suche indiziert, wenn Contact Lens aktiviert ist. Ist Contact Lens nicht aktiviert, erfolgt keine Indizierung.
## Erforderliche Berechtigungen für das Durchsuchen von Konversationen
Bevor Sie Konversationen durchsuchen können, benötigen Sie die folgenden Berechtigungen in Ihrem Sicherheitsprofil. Sie ermöglichen es Ihnen, den gewünschten Suchtyp zu verwenden.
+ Aktivieren Sie eine der folgenden Berechtigungen, um auf die Seite **Kontaktsuche** zuzugreifen:
+ **Kontaktsuche**: Ermöglicht die Suche nach allen Kontakten
+ **Meine Kontakte ansehen**: Ermöglicht die Suche nach den Kontakten, die Sie als Kundendienstmitarbeiter:in betreut haben
+ **Suche nach Kontakten anhand von Gesprächsmerkmalen**: Dazu gehören sprechfreie Zeit, Stimmungswert und Kontaktkategorie
+ **Kontaktsuche nach Schlüsselwörtern**
Weitere Informationen finden Sie unter [Zuweisen von Berechtigungen](permissions-for-contact-lens.md).
## Suche nach Wörtern und Wortgruppen
Contact LensVerwendet für die Stichwortsuche den `standard` Analyzer in Amazon OpenSearch Service. Dieser Analyzer unterscheidet nicht zwischen Groß- und Kleinschreibung. Wenn Sie beispielsweise *vielen Dank für den Einkauf 2 STORNIERTE Flüge* eingeben, wird gesucht nach:
[vielen, dank, für, den, Einkauf, 2, stornierte, flüge]
Wenn Sie *"vielen Dank für den Einkauf", zwei, "STORNIERTE Flüge"* eingeben, wird gesucht nach:
[vielen Dank für den Einkauf, zwei, stornierte Flüge]
**So durchsuchen Sie Konversationen nach Wörtern oder Wortgruppen**
1. Melden Sie sich in Amazon Connect mit einem Benutzerkonto an, dem das **CallCenterManager**Sicherheitsprofil zugewiesen wurde oder das für die Berechtigung **Kontakte nach Schlüsselwörtern suchen** aktiviert ist.
1. Navigieren Sie zu **Analyse und Optimierung**, **Kontaktsuche**.
1. Geben Sie im Bereich **Filter** den Zeitraum, der durchsucht werden soll, und den Kanal an.
**Tipp**
Beim Suchen nach Datum können Sie bis zu acht Wochen gleichzeitig durchsuchen.
1. Wählen **Klicken Sie hier, um Filter hinzuzufügen** und dann im Dropdownmenü **Wörter oder Wortgruppen** aus.
![\[Die Seite „Kontaktsuche“, der Bereich „Filter“, das Dropdown-Menü „Filter hinzufügen“, die Option „Wörter oder Phrasen“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-search-words-phrases.png)
1. Wählen Sie im Abschnitt **Wird verwendet von** aus, wessen Teil der Konversation Sie durchsuchen möchten. Beachten Sie Folgendes:
+ **System** gilt für Chats, bei denen Lex-Bots und Ansagen die Teilnehmer sind.
+ Wenn Sie nach Wörtern oder Wortgruppen suchen möchten, die von allen Teilnehmern verwendet wurden, wählen Sie **Kundendienstmitarbeiter**, **Kunde**, **System** aus.
+ Werden keine Felder ausgewählt, entspricht dies der Suche nach Wörtern oder Wortgruppen, die von allen Teilnehmern verwendet wurden.
1. Wählen Sie im Abschnitt **Logik** aus den folgenden Optionen:
+ Wählen Sie **Match any (Beliebiges Wort)**, damit Kontakte zurückgegeben werden, deren Transkripte eines der Wörter enthalten.
Die folgende Abfrage entspricht beispielsweise (hallo ODER stornierung ODER "Beispiel-Fluggesellschaft"). Und da kein **Wird verwendet von**-Feld ausgewählt ist, bedeutet das: „finde Kontakte, in denen von beliebigen Teilnehmern beliebige dieser Wörter verwendet wurden“.
![\[Das Dialogfeld „Wörter oder Wortgruppen“, die Option „Beliebige zuordnen“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/match-any.png)
+ Wählen Sie **Match all (Alle Wörter)**, damit Kontakte zurückgegeben werden, deren Transkripte alle Wörter enthalten.
Die folgende Abfrage entspricht beispielsweise ("vielen Dank für den Einkauf" UND stornierung UND "Beispiel Fluggesellschaft"). Und da alle Teilnehmerfelder ausgewählt sind, bedeutet das: „finde Kontakte, in denen von allen Teilnehmern alle diese Wörter verwendet wurden“.
![\[Das Dialogfeld „Wörter oder Wortgruppen“, die Option „Alle zuordnen“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/match-all.png)
1. Geben Sie in den Bereich **Wörter und Wortgruppen** die Wörter ein, nach denen gesucht werden soll, und trennen Sie sie durch Kommas. Wenn Sie eine Wortgruppe eingeben, setzen Sie sie in Anführungszeichen.
Sie können bis zu 128 Zeichen eingeben.
## Suche nach Stimmungswert oder Auswertung der Stimmungsverschiebung
Mit Contact Lens können Sie Konversationen nach Stimmungswerten oder Stimmungsverschiebungen auf einer Skala von –5 (am negativsten) bis \$15 (am positivsten) durchsuchen. Dies ermöglicht das Identifizieren von Mustern und Faktoren, die zu einem schlechten oder guten Gesprächsverlauf führen.
![\[Die Seite „Kontaktsuche“, der Filter für den Stimmungswert\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-sentiment-score-shift.png)
Beispiel: Sie möchten alle Kontakte identifizieren und untersuchen, die mit negativer Kundenstimmung endeten. Sie können nach allen Kontakten suchen, bei denen der Stimmungswert **<=** (kleiner oder gleich) –1 ist.
Weitere Informationen finden Sie unter [Untersuchen von Stimmungswerten](sentiment-scores.md).
**So suchen Sie nach Stimmungswerten oder einer Auswertung der Stimmungsverschiebung**
1. Melden Sie sich in Amazon Connect mit einem Benutzerkonto an, dem das **CallCenterManager**Sicherheitsprofil zugewiesen wurde oder das für die Berechtigung **Kontakte anhand von Konversationsmerkmalen suchen** aktiviert ist.
1. Geben Sie auf der Seite **Kontaktsuche** an, ob Sie den Stimmungswert für Wörter oder Wortgruppen, die von dem/der Kund:in oder von dem/der Kundendienstmitarbeiter:in geäußert wurden, abrufen möchten.
1. Geben Sie in **Typ der Bewertungsanalyse** an, welcher Typ von Werten zurückgegeben werden soll:
+ **Stimmungsbewertung**: Dies gibt den durchschnittlichen Wert für den Konversationsteil des/der Kund:in oder des/der Kundendienstmitarbeiter:in zurück.
Sie können zusätzlich zur Suche nach Stimmungswerten, wenn der/die Kundendienstmitarbeiter:in oder der/die Kund:in in Kontakt sind, auch danach filtern, wenn der/die Kund:in Folgendes tut:
+ **sich mit einem/einer Kundendienstmitarbeiter:in im Chat befindet**
+ **sich ohne Kundendienstmitarbeiter:in im Chat befindet**: Dies ist die Zeit, in der der/die Kund:in mit einem Bot, Ansagen oder einer Warteschlange interagiert.
![\[Der Filter für den Stimmungswert, das Dropdown-Menü für Teilnehmer, die Option für einen Kunden ohne Kundendienstmitarbeiter im Chat\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-search-sentiment-participant.png)
+ **Stimmungsverschiebung**: Identifizieren Sie, wo sich die Stimmung des/der Kund:in oder von dem/der Kundendienstmitarbeiter:in während des Kontakts geändert hat.
Die folgende Abbildung zeigt ein Beispiel für die Suche nach Kontakten, bei denen der Stimmungswert des Kunden bei weniger als oder gleich –1 beginnt und bei größer oder gleich \$11 endet. Zusätzlich befindet sich der/die Kund:in in einem Chat, in dem ein/eine Kundendienstmitarbeiter:in anwesend ist.
![\[Der Filter für den Stimmungswert, die Option für die Stimmungsverschiebung\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-search-sentiment-score.png)
## Suchen nach Nicht-Gesprächszeit
Um zu ermitteln, welche Anrufe untersucht werden müssen, können Sie nach Nichtgesprächszeiten suchen. Sie können beispielsweise nach allen Anrufen suchen, bei denen die Nichtgesprächszeit mehr als 20 % ausmacht, und diese dann untersuchen.
Nichtgesprächszeit umfasst Zeit in Warteschleife und jede Gesprächspause, bei der beide Teilnehmer länger als drei Sekunden nicht sprechen. Diese Dauer kann nicht angepasst werden.
Verwenden Sie den Dropdown-Pfeil, um anzugeben, ob Konversationen über die Dauer oder den Prozentsatz der Nichtgesprächszeit gesucht werden sollen. Diese Optionen sind auf der folgenden Abbildung zu sehen.
Informationen zur Verwendung dieser Metrik finden Sie unter [Untersuchen sprechfreier Zeit](non-talk-time.md).
![\[Der Filter für sprechfreie Zeit, die Optionen für Dauer und Prozentsatz\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/non-talk-time.png)
## Suche nach Reaktionszeit für Chat-Konversationen
Sie können nach folgenden Kriterien suchen:
+ Durchschnittliche Reaktionszeit von Kundendienstmitarbeitern oder Kunden während des Chats
+ Maximale Reaktionszeit von Kundendienstmitarbeitern oder Kunden während des Chats
Sie geben an, ob die Dauer kleiner als, größer als oder gleich einer bestimmten Zeit ist. Informationen zur Verwendung dieser Metrik finden Sie unter [Untersuchen der Reaktionszeit bei Chats in Contact Lens](response-time.md).
Die unterstützten minimalen und maximalen Reaktionszeiten finden Sie unter [Amazon Connect Regeln, Funktionen, Spezifikationen](feature-limits.md#rules-feature-specs).
Die folgende Abbildung zeigt eine Suche nach Kontakten, bei denen die durchschnittliche Reaktionszeit des/der Kundendienstmitarbeiter:in größer als oder gleich 1 Minute war.
![\[Der Filter für die Reaktionszeit\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/response-time.png)
## Suche nach einer Kontaktkategorie
1. Wählen Sie auf der Seite **Kontaktsuche** die Optionen **Filter hinzufügen**, **Kontaktkategorie** aus.
1. Verwenden Sie im Feld **Kontaktkategorien** das Dropdownfeld, um sich alle aktuellen Kategorien auflisten zu lassen, die Sie durchsuchen können. Alternativ können Sie damit beginnen, etwas einzutippen. Dabei wird die Eingabe mit bestehenden Kategorien abgeglichen und es werden diejenigen gefiltert, die nicht mit ihr übereinstimmen.
+ **Beliebige zuordnen**: Sucht nach Kontakten, die auf beliebige der ausgewählten Kategorien zutreffen
+ **Alle zuordnen**: Sucht nach Kontakten, die auf alle der ausgewählten Kategorien zutreffen
+ **Keine Übereinstimmung**: Sucht nach Kontakten, die auf keine der ausgewählten Kategorien zutreffen. Beachten Sie, dass dadurch nur Kontakte zurückgegeben werden, die mit der Konversationsanalyse von Contact Lens analysiert wurden.
Die folgende Abbildung zeigt ein Dropdownmenü, in dem alle aktuellen Kategorien aufgelistet sind.
![\[Der Filter für Kontaktkategorien, die Option „Alle zuordnen“, die Kontaktkategorien\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-search-contact-category2.png)
# Überprüfen analysierter Konversationen mit Contact Lens
Mithilfe von Amazon Connect Contact Lens können Sie das Transkript überprüfen und herausfinden, welcher Teil des Kontakts für Sie von Interesse ist. Sie müssen sich also nicht einen ganzen Anruf anhören oder ein ganzes Chat-Transkript durchlesen, um relevante Informationen zu finden. Sie können sich auf bestimmte Teile der Aufzeichnung oder des Transkripts konzentrieren. Stellen, die von Interesse sind, werden in beiden für Sie hervorgehoben.
Sie könnten beispielsweise beim Überfliegen eines Transkript ein rotes Stimmungs-Emoji für einen Kundenabschnitt sehen. Dieses weist darauf hin, dass der/die Kund:in eine negative Stimmung zum Ausdruck bringt. Sie können den Zeitstempel auswählen und zu diesem Teil der Audioaufzeichnung oder Chat-Interaktion springen.
Die folgende Abbildung zeigt ein Beispiel für einen Sprachkontakt.
![\[Die Analyse eines Sprachkontakts\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-category-hit.png)
Die folgende Abbildung zeigt ein Beispiel für einen Chat-Kontakt. **Systemnachricht** gilt für Chats, bei denen Lex-Bots und Ansagen die Teilnehmer sind.
![\[Die Analyse eines Chat-Kontakts\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-category-hit-chat.png)
**So überprüfen Sie analysierte Konversationen**
1. Melden Sie sich bei Amazon Connect mit einem Benutzerkonto an, das über die Berechtigungen **Kontaktsuche** und **Contact Lens – Konversationsanalysen** im Sicherheitsprofil verfügt.
1. Wählen Sie in Amazon Connect **Analyse und Optimierung**, **Kontaktsuche** aus.
1. Verwenden Sie die Filter auf der Seite, um die Suche nach einem Kontakt einzugrenzen. Nach Datum können Sie bis zu 14 Tage gleichzeitig suchen. Weitere Hinweise zum Suchen nach Kontakten finden Sie unter [Suchen nach abgeschlossenen und in Bearbeitung befindlichen Kontakten](contact-search.md).
1. Wählen Sie die Kontakt-ID aus, um die Kontaktdaten für den betreffenden Kontakt aufzurufen.
1. Prüfen Sie in den Bereichen **Aufzeichnung** und **Transkript** auf der Seite **Kontaktdaten**, was wann und mit welcher Stimmung gesagt oder geschrieben wurde.
1. Wählen Sie für Anrufe bei Bedarf „Telefonansage wiedergeben“ aus, um die Aufzeichnung anzuhören. Oder klicken Sie auf den relevanten Teil der Aufzeichnung, um sich nur diesen Teil anzuhören.
1. Verwenden Sie für Chats bei Bedarf die Grafik, um zu dem Teil des Transkripts zu navigieren, der von Interesse für Sie ist.
# Navigieren in Transkripten und Audiodateien in Amazon Connect Contact Lens
Aus Gründen der Qualitätssicherung müssen Supervisoren häufig Kontakte vieler Mitarbeiter überprüfen. Anhand der turn-by-turn Transkript- und Stimmungsdaten können Sie schnell den Teil der Aufzeichnung identifizieren und zu ihm navigieren, der für Sie von Interesse ist.
Die folgende Abbildung eines Kontaktdatensatzes zeigt Features, mit denen Sie schnell durch Transkripte und Audiodateien navigieren können, um Bereiche zu finden, die Ihre Aufmerksamkeit erfordern. Das Bild zeigt zwar einen Sprachkontakt, für Chat-Kontakte sind jedoch dieselben Features verfügbar.
![\[Die Analyse eines Sprachkontakts\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-navigate-transcripts2.png)
1. Verwenden Sie „[Wichtigste Highlights anzeigen](#contact-lens-contact-summarization)“, um nur das Problem, das Ergebnis oder die and/or Aktion zu überprüfen.
1. Mit [Automatisches Scrollen](#autoscroll) für Sprachkontakte können Sie in der Audiodatei oder im Transkript zu verschiedenen Punkten springen. Die beiden bleiben immer synchron.
1. Suchen Sie nach [Stimmungs-Emojis](#sentiment-emojis), um schnell einen Teil des Transkripts zu identifizieren, der Ihrer Aufmerksamkeit bedarf.
1. Wählen Sie den Zeitstempel aus, um zu diesem Teil der Audioaufzeichnung oder des Transkripts zu springen. Der Zeitstempel wird ab dem Beginn der Kundeninteraktion innerhalb des Kontakts berechnet.
## Wichtigste Highlights anzeigen
Es kann zeitaufwändig sein, Kontakttranskripte zu überprüfen, die Hunderte von Zeilen lang sind. Damit dieser Vorgang schneller und effizienter abläuft, bietet Ihnen Contact Lens die Möglichkeit, die wichtigsten Highlights anzuzeigen. Die Highlights zeigen nur die Zeilen im Transkript, in denen Contact Lens ein Problem, ein Ergebnis oder ein Aktionselement identifiziert hat.
+ **Problem** steht für den Grund des Anrufs. Beispiel: „Ich überlege, auf Ihren Tarif mit Onlineabo umzusteigen.“
+ **Ergebnis** steht für das wahrscheinliche Fazit oder Ergebnis des Kontakts. Beispiel: „Ausgehend von Ihrem aktuellen Tarif würde ich Ihnen die Onlinegrundtarife empfehlen, die wir anbieten.“
+ **Aktionselement** steht für das Aktionselement, das der/die Kundendienstmitarbeiter:in verwendet. Beispiel: „Sie erhalten eine E-Mail mit einem Angebot von mir. Ich sende sie Ihnen in Kürze zu.“
Für jeden Kontakt kann jeweils ein Problem, ein Ergebnis und ein Aktionselement festgelegt werden. In der Regel können nicht für alle Kontakte alle drei Angaben gemacht werden.
**Anmerkung**
Wenn Sie von Contact Lens die Meldung **Es gibt keine wichtigsten Highlights für dieses Transkript** erhalten, wurde kein Problem, Ergebnis oder Aktionselement gefunden.
Sie müssen die wichtigen Highlights nicht konfigurieren. Es funktioniert out-of-the-box ohne Training des Modells für maschinelles Lernen.
## Aktivieren von automatischem Scrollen zum Synchronisieren des Transkripts und der Audioaufzeichnung
Für Sprachkontakte können Sie **Automatisches Scrollen** verwenden, um in der Audiodatei oder im Transkript zu verschiedenen Punkten zu springen, wobei beide synchron bleiben. Beispiel:
+ Wenn Sie sich ein Gespräch anhören, bewegt sich das Transkript mit und zeigt Ihnen Stimmungs-Emojis und alle erkannten Probleme an.
+ Sie können durch das Transkript scrollen und den Zeitstempel für das Ereignis auswählen, um sich diesen Teil in der Aufzeichnung anzuhören.
Da Audio und Transkript aufeinander abgestimmt sind, können Sie anhand des Transkripts besser nachvollziehen, was Kundendienstmitarbeiter und Kunden sagen. Das ist vor allem in diesen Situationen hilfreich sein:
+ Der Ton ist schlecht, möglicherweise aufgrund eines Verbindungsproblems. Das Transkript kann Ihnen dabei helfen, zu verstehen, was gesagt wird.
+ Es wird mit einem Dialekt oder einer Sprachvariante gesprochen. Unsere Modelle werden mit unterschiedlichen Akzenten trainiert, sodass das Transkript Ihnen dabei helfen kann, zu verstehen, was gesagt wird.
## Stimmungs-Emojis
Stimmungs-Emojis helfen Ihnen dabei, wichtige Abschnitte eines Transkripts schnell zu sehen, sodass Sie sich diese Teile der Konversation anhören können.
Wenn Sie beispielsweise rote Emojis für Kunden sehen und dann ein grünes Emoji, können Sie den Zeitstempel auswählen, um zu dieser Stelle der Konversation zu springen und herauszufinden, wie der/die jeweilige Kundendienstmitarbeiter:in dem/der Kund:in geholfen hat.
## Antippen oder Anklicken von Kategorie-Tags, um durch Transkripte zu navigieren
Wenn Sie auf die Kategorie-Tags tippen oder klicken, wird Contact Lens automatisch zu den entsprechenden Tags point-of-interests im Transkript navigiert. Auf der Visualisierung der Interaktion gibt es auch Kategoriemarkierungen, die angeben, welcher Teil der Aufzeichnungsdatei Äußerungen enthält, die sich auf die Kategorie beziehen.
Die folgende Abbildung zeigt einen Teil der Seite **Kontaktdaten** für einen Chat.
![\[Ein Transkript eines Chats, eine Kategorie, der entsprechende Abschnitt des Transkripts\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-category-tag-navigation.png)
# Ansehen von auf generativer KI basierenden Zusammenfassungen nach dem Kontakt in Amazon Connect
**Anmerkung**
**Bereitgestellt von Amazon Bedrock**: AWS implementiert [automatisierte Missbrauchserkennung](https://docs.aws.amazon.com//bedrock/latest/userguide/abuse-detection.html). Da die mithilfe generativer KI erstellten Zusammenfassungen nach dem Kontakt auf Amazon Bedrock basieren, können Benutzer die in Amazon Bedrock implementierten Kontrollen zur Durchsetzung von Sicherheit und dem verantwortungsvollen Einsatz von künstlicher Intelligenz (KI) in vollem Umfang nutzen.
Mit auf generativer KI basierenden Zusammenfassungen, die wichtige Informationen aus Kundenkonversationen in einem strukturierten, knappen und leicht lesbaren Format enthalten, können Sie wertvolle Zeit sparen. Sie können die Zusammenfassungen schnell überprüfen und den Kontext verstehen, anstatt Transkripte durchlesen und Anrufe überwachen zu müssen.
Der Zugriff auf Zusammenfassungen nach dem Kontakt, die mithilfe generativer KI erstellt wurden, ist wie folgt möglich:
+ **Agenten** können im Contact Control Panel (CCP) auf Zusammenfassungen von Sprach- und E-Mail-Kontakten nach dem Kontakt zugreifen. Mithilfe der Zusammenfassungen sind sie in der Lage, die Kontaktnachbearbeitung schnell abzuschließen. Weitere Informationen über die Verwendungsmöglichkeiten für Kundendienstmitarbeiter finden Sie unter [Ansehen von Zusammenfassungen nach erfolgtem Kontakt im CCP](#summaries-on-agentws).
+ **Manager und Supervisoren** **können auf der Amazon Connect Admin-Website, auf den **Kontaktdetails** und den Kontaktsuchseiten auf Zusammenfassungen für Sprach-, Chat- und E-Mail-Kontakte zugreifen.** Anhand der Zusammenfassungen lassen sich die Probleme und Ergebnisse der Kontakte, die sie überprüfen, schnell erfassen. Weitere Informationen über die Verwendungsmöglichkeiten für Vorgesetzte finden Sie unter [Sehen Sie sich die Zusammenfassungen nach dem Kontakt auf der Admin-Website an Amazon Connect](#summaries-on-website).
+ **Entwickler** können die Zusammenfassungen direkt von in Systeme von Drittanbietern übernehmen. [APIs](contact-lens-api.md) Außerdem lassen sie sich zum Streamen [in Amazon Kinesis Data Streams einbinden](contact-analysis-segment-streams.md). Letztere Option ist nützlich bei höherer Auslastung, wenn Sie eine TPS-Drosselung vermeiden möchten.
**Topics**
+ [Aktivieren von Zusammenfassungen nach erfolgtem Kontakt](#gen-ai-getstarted)
+ [Aktivieren Sie Kontaktzusammenfassungen für E-Mails](#enable-email-summaries)
+ [Ansehen von Zusammenfassungen nach erfolgtem Kontakt im CCP](#summaries-on-agentws)
+ [Sehen Sie sich die Zusammenfassungen nach dem Kontakt auf der Admin-Website an Amazon Connect](#summaries-on-website)
+ [Warum wird keine Zusammenfassung generiert?](#summary-not-generated)
## Aktivieren von Zusammenfassungen nach erfolgtem Kontakt
**So aktivieren Sie Zusammenfassungen nach erfolgten Sprachkontakten im CCP des Kundendienstmitarbeiters**
1. Fügen Sie Ihrem Flow einen [Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md)-Block hinzu.
1. Konfigurieren Sie die Seite **Eigenschaften** des Blocks:
1. Stellen Sie die **Anrufaufzeichnung** auf **Ein**. Wählen Sie **Kundendienstmitarbeiter und Kunde** aus, wie in der folgenden Abbildung gezeigt.
![\[Die Seite „Eigenschaften“ des für die Anrufaufzeichnung konfigurierten Blocks „Aufzeichnungs- und Analyseverhalten festlegen“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/call-recording-summaries.png)
1. Stellen Sie **Analyse** auf **Ein**.
1. Wählen Sie **Sprachanalysen aktivieren** aus.
1. Wählen Sie **Echtzeit-Analysen und Analysen nach dem Gespräch** aus.
1. Wählen Sie unter **Funktionen mit generativer KI von Contact Lens** die Option **Zusammenfassung nach erfolgtem Kontakt** aus.
Die folgende Abbildung zeigt den Bereich **Analyse** einer **Eigenschaftenseite**, der so konfiguriert ist, dass Zusammenfassungen nach dem Kontakt im CCP des Kundendienstmitarbeiters aktiviert werden:
![\[Die Seite „Eigenschaften“ des Blocks „Aufzeichnungs- und Analyseverhalten festlegen“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/set-block-post-contact-summaries-ccp.png)
1. Weisen Sie dem Sicherheitsprofil des Kundendienstmitarbeiters die folgenden Berechtigungen zu:
+ **Contact Control Panel (CCP) – Contact Lens-Daten – Zugriff**
+ **Analyse und Optimierung – Contact Lens – Zusammenfassung nach erfolgtem Kontakt – Anzeigen**
+ **Analyse und Optimierung – Aufgezeichnete Gespräche (redigiert)**, **Anzeigen – Aufgezeichnete Gespräche (unredigiert)**, **Alle** oder **Zugriff**. (**Zugriff** ist die geringste Berechtigung und wird empfohlen.)
+ **Analyse und Optimierung – Meine Kontakte ansehen** oder **Kontaktsuche**
**Um Zusammenfassungen nach dem Kontakt auf der Admin-Website zu aktivieren Amazon Connect**
1. Konfigurieren Sie die Seite **Eigenschaften** des Blocks [Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md) wie folgt:
1. Stellen Sie **Analyse** auf **Ein**.
1. Wählen Sie entweder **Sprachanalysen aktivieren**, **Chat-Analysen aktivieren** oder beides aus.
Für Sprachanalysen müssen Sie eine der folgenden Optionen wählen:
+ **Analysen nach dem Gespräch**
+ **Echtzeit-Analysen und Analysen nach dem Gespräch**: Wählen Sie diese Option, wenn der Benutzer Zusammenfassungen nach erfolgtem Kontakt für in Bearbeitung befindliche Kontakte anzeigen möchte (d. h., der Kundendienstmitarbeiter ist noch bei der Kontaktnachbearbeitung, der Anruf wurde aber beendet).
1. Eine granulare Schwärzung wird für Zusammenfassungen nach erfolgtem Kontakt nicht unterstützt. Wenn eine granulare Schwärzung ausgewählt ist, werden bei der Zusammenfassung nach dem Kontakt alle im Text identifizierten personenbezogenen Daten geschwärzt und durch ein [PII]-Tag ersetzt.
1. Wählen Sie unter **Funktionen mit generativer KI von Contact Lens** die Option **Zusammenfassung nach erfolgtem Kontakt** aus.
1. Weisen Sie dem Sicherheitsprofil des Benutzers die folgenden Berechtigungen zu:
+ **Analyse und Optimierung – Kontaktsuche** ODER **Meine Kontakte ansehen**
+ **Analyse und Optimierung – Contact Lens – Zusammenfassung nach erfolgtem Kontakt – Anzeigen**
+ **Analyse und Optimierung – Aufgezeichnete Gespräche (redigiert)**, **Anzeigen – Aufgezeichnete Gespräche (unredigiert)**, **Alle** oder **Zugriff**. (**Zugriff** ist die geringste Berechtigung und wird empfohlen.)
## Aktivieren Sie Kontaktzusammenfassungen für E-Mails
**Um Kontaktzusammenfassungen für E-Mail-Kontakte zu aktivieren**
1. Fügen Sie Ihrem eingehenden E-Mail-Fluss einen [Legen Sie das Aufzeichnungs-, Analyse- und Verarbeitungsverhalten fest](set-recording-analytics-processing-behavior.md) Block hinzu.
1. Konfigurieren Sie die Seite **Eigenschaften** des Blocks:
1. Wählen Sie für **Kanal** die Option **E-Mail** aus.
1. Stellen Sie **Analyse** auf **Ein**.
1. Wählen Sie **E-Mail-Analyse aktivieren** aus.
1. Wählen Sie unter **Contact LensGenerative KI-Funktionen** die Option **Kontaktzusammenfassung** aus.
1. Wählen Sie **Speichern**.
## Ansehen von Zusammenfassungen nach erfolgtem Kontakt im CCP
Um Kundendienstmitarbeiter bei der Kontaktnachbearbeitung zu unterstützen, zeigt Amazon Connect im CCP für Sprachkontakte eine mithilfe generativer KI erstellte Zusammenfassung nach erfolgtem Kontakt an. In der folgenden Abbildung sehen Sie dafür ein Beispiel.
![\[Im Contact Control Panel wird eine mithilfe generativer KI erstellte Zusammenfassung nach dem Kontakt angezeigt.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/genai-summary-ccp1.png)
1. Der Kundendienstmitarbeiter ist in der Nachbearbeitungsphase nach dem Kontakt. Er kann das Transkript durchsuchen, während oben auf der Seite ein Banner mit der Aufschrift „Zusammenfassung wird generiert“ angezeigt wird.
1. Sobald die Zusammenfassung verfügbar ist, wird eine entsprechende Meldung eingeblendet. Wenn der Kundendienstmitarbeiter auf das Banner klickt und die Zusammenfassung angezeigt wird, scrollt das CCP direkt zum Seitenanfang.
1. Das Banner verschwindet, nachdem es angeklickt wurde.
**Anmerkung**
Generative KI-gestützte Zusammenfassungen nach dem Kontakt unterstützen Sprach-, Chat- und E-Mail-Kontakte auf dem CCP.
## Sehen Sie sich die Zusammenfassungen nach dem Kontakt auf der Admin-Website an Amazon Connect
Um Managern und anderen Benutzern die Überprüfung von Kontakten zu erleichtern, können sie sich auf der Admin-Website Zusammenfassungen nach dem Kontakt ansehen. Amazon Connect Die folgende Abbildung zeigt ein Beispiel für eine mithilfe generativer KI erstellte Zusammenfassung nach dem Kontakt auf der Seite **Kontaktdaten**.
![\[Die Seite „Kontaktdaten“ mit einer auf Basis generativer KI erstellten Zusammenfassung nach erfolgtem Kontakt mit strukturierten Informationen über das Kundengespräch\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/genai-summary2.png)
Die folgende Abbildung zeigt ein Beispiel für eine mithilfe generativer KI erstellte Zusammenfassung nach erfolgtem Kontakt auf der Seite **Kontaktsuche**.
![\[Die Seite „Kontaktsuche“ mit einer auf Basis generativer KI erstellten Zusammenfassung nach erfolgtem Kontakt für mehrere Kundeninteraktionen in einem Listenansichtsformat\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/genai-summary-contactsearch2.png)
Für jeden Kontakt wird nicht mehr als eine Zusammenfassung generiert. Nicht für alle Kontakte kann eine Zusammenfassung erstellt werden. Weitere Informationen finden Sie unter [Warum wird keine Zusammenfassung generiert?](#summary-not-generated).
## Warum wird keine Zusammenfassung generiert?
Wenn keine Zusammenfassung generiert wird, wird auf den Seiten **Kontaktdaten** und **Kontaktsuche** eine Fehlermeldung angezeigt. Darüber hinaus erscheint der Fehler ReasonCode für den Fehler im `ContactSummary` Objekt in der Contact Lens Ausgabedatei, ähnlich dem folgenden Beispiel:
```
"JobDetails": {
"SkippedAnalysis": [
{
"Feature": "POST_CONTACT_SUMMARY",
"ReasonCode": "INSUFFICIENT_CONVERSATION_CONTENT"
}
]
},
```
Im Folgenden finden Sie eine Liste mit Fehlermeldungen, die auf den Seiten „Kontaktdaten“ oder „Kontaktsuche“ angezeigt werden können, wenn keine Zusammenfassung generiert wird. Außerdem ist der zugehörige Ursachencode aufgeführt, der in der Ausgabedatei von Contact Lens erscheint.
+ Die **Zusammenfassung konnte nicht generiert werden, da das Kontingent an gleichzeitigen Zusammenfassungen überschritten** wurde. ReasonCode:. `QUOTA_EXCEEDED`
Wenn Sie diese Meldung erhalten, empfehlen wir Ihnen, [ein Ticket einzureichen](https://console.aws.amazon.com/support/home#/case/create?issueType=service-limit-increase&limitType=service-code-connect), um das Kontingent für [gleichzeitige Zusammenfassungsaufgaben nach erfolgtem Kontakt](amazon-connect-service-limits.md#contactlens-quotas) zu erhöhen.
+ Die **Zusammenfassung konnte nicht generiert werden, da nicht genügend geeignete Konversationen gefunden** wurden. ReasonCode:`INSUFFICIENT_CONVERSATION_CONTENT`.
Bei Sprachanrufen muss von jedem Teilnehmer eine Äußerung vorliegen. Bei Chats muss von jedem Teilnehmer eine Nachricht in unterstütztem Format vorliegen. Unterstützte Nachrichtenformate sind `text/plain` und `text/markdown`. Nachrichten anderer Art, wie etwa `application/json`, werden nicht für die Zusammenfassung verwendet.
+ **Contact Flow hatte eine ungültige Contact Lens Konfiguration für PostContact Summary, z. B. wurde der Sprachcode nicht unterstützt oder war ungültig**. ReasonCode:`INVALID_ANALYSIS_CONFIGURATION`.
Dieser Fehler wird zurückgegeben, wenn die aktivierte Zusammenfassung nicht mit anderen Einstellungen von Contact Lens kompatibel ist, insbesondere wenn sie für ein nicht unterstütztes Gebietsschema aktiviert ist.
+ **Eine Zusammenfassung kann nicht vorgelegt werden, da sie die Sicherheits- und Qualitätsvorgaben nicht erfüllt hat.** ReasonCode:. `FAILED_SAFETY_GUIDELINES`
Dieser Fehler kann in Amazon Connect for gleichzeitige Zusammenfassungsaufgaben nach erfolgtem Kontakt auftreten. Amazon Connect leitet Kontaktdaten zur Generierung einer Zusammenfassung an Amazon Bedrock weiter. Wenn die Kontaktdaten ungeschwärzte persönlich identifizierbare Informationen (PII) enthalten, werden die Sicherheitsrichtlinien von Amazon Bedrock ausgelöst. Zum Schutz vertraulicher Informationen kann Amazon Bedrock die Zusammenfassung dann nicht generieren, was den Fehler in Amazon Connect verursacht.
+ Interner Systemfehler. ReasonCode: `INTERNAL_ERROR`
# Anzeigen der wichtigsten Highlights von Kundenkonversationen im Contact Control Panel (CCP)
Es kann zeitaufwändig sein, Kontakttranskripte zu überprüfen, die Hunderte von Zeilen lang sind. Um diesen Prozess schneller und effizienter zu gestalten, identifiziert und kennzeichnet Contact Lens automatisch wichtige Teile von Kundenkonversationen und zeigt dann die Highlights an. Manager können sich diese Highlights auf der Seite **Kontaktdaten** ansehen. Kundendienstmitarbeiter können sich die Highlights im Contact Control Panel (CCP) ansehen.
**Tipp**
Eine Liste der unterstützten Sprachen finden Sie in der Spalte *Wichtigste Highlights* im Thema [Unterstützte Sprachen in Amazon Connect Contact Lens](supported-languages.md#supported-languages-contact-lens).
Nachdem Sie Contact Lens aktiviert haben, identifiziert es wichtige Teile einer Kundenkonversation, weist diesen Teilen Bezeichnungen (wie Problem, Ergebnis oder Aktionspunkt) zu und zeigt Highlights der Kundenkonversation an. Sie können die Highlights erweitern, um das vollständige Transkript des Kontakts anzuzeigen.
Das folgende Beispiel zeigt die wichtigsten Highlights auf der Seite **Kontaktdaten**.
![\[Die wichtigsten Highlights auf der Seite mit den Kontaktdetails.\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-key-highlights.png)
1. Aktivieren und deaktivieren Sie die Option **Wichtigste Highlights anzeigen** je nach Bedarf.
1. **Problem** steht für den Grund des Kontakts. Beispiel: „Ich überlege, auf Ihren Tarif mit Onlineabo umzusteigen.“
1. **Aktionselement** steht für das Aktionselement, das der/die Kundendienstmitarbeiter:in verwendet. Beispiel: „Sie erhalten eine E-Mail mit einem Angebot von mir. Ich sende sie Ihnen in Kürze zu.“
1. **Ergebnis** steht für das wahrscheinliche Fazit oder Ergebnis des Kontakts. Beispiel: „Ausgehend von Ihrem aktuellen Tarif würde ich Ihnen die Onlinegrundtarife empfehlen, die wir anbieten.“
Kontakte haben nur ein Problem, ein Ergebnis und einen Aktionspunkt. Es ist möglich, dass einige Kontakte nicht alle drei haben.
**Anmerkung**
Sie sehen die Meldung **Es gibt keine wichtigen Highlights für dieses Transkript**, wenn Contact Lens ein Problem, ein Ergebnis oder einen Aktionspunkt nicht identifizieren kann.
Weitere Informationen zur Umgebung für Kundendienstmitarbeiter – welcher Teil des Transkripts im Contact Control Panel angezeigt wird und wann – finden Sie unter [Entwerfen eines Datenstroms für die wichtigsten Highlights](enable-analytics.md#call-summarization-agent).
# Verwenden der Themenerkennung in Amazon Connect Contact Lens, um Probleme mit Kontakten zu finden
Mit der Themenerkennung können Sie bislang unbekannte oder aufkommende Kontaktthemen aus Tausenden von Kundeninteraktionen gewinnen. So lassen sich beispielsweise häufige Gründe für Kundenanfragen wie „Reservierung stornieren“ oder „verspätete Bestellung“ erfassen. Anschließend können Sie geeignete Maßnahmen ergreifen, um die Kundenbetreuung zu verbessern, indem Sie die Problemlösung beschleunigen und IVR-Optionen, Artikel in der Wissensdatenbank und das Training für Kundendienstmitarbeiter verbessern.
## Wissenswertes
+ Die Themenerkennung ist in den folgenden Sprachen verfügbar, die von Amazon Connect Contact Lens unterstützt werden:
[\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/use-theme-detection.html)
+ Die Themenerkennung wird für Kontakte unterstützt, die am oder nach dem 30. Januar 2023 erstellt wurden.
+ Die Schaltfläche **Themenbericht generieren** ist nur aktiviert, wenn Ihre gespeicherte Suche mindestens 300 Kontakte enthält, die von Contact Lens erkannte Probleme haben.
+ Der Bericht zur Themenerkennung wird für die letzten 3 000 Kontakte generiert.
+ Berichte zur Themenerkennung sind nach ihrer Erstellung 30 Tage lang verfügbar. Nach 30 Tagen werden die Berichte aus der Datenbank gelöscht und können nicht mehr abgerufen werden.
+ Die letzten 20 Themenberichte für eine gespeicherte Suche sind im Dropdownmenü **Themenberichte anzeigen** verfügbar, wie auf der folgenden Abbildung zu sehen.
![\[Die Seite „Kontaktsuche“ und das Dropdownmenü „Themenberichte anzeigen“\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-view-theme-reports.png)
## So erstellen Sie einen Themenbericht
1. Melden Sie sich bei Amazon Connect mit einem Konto an, das über die folgenden Sicherheitsprofilberechtigungen verfügt:
+ **Kontaktsuche – Zugriff**
+ **Contact Lens – Themenerkennung – Erstellen**
+ **Contact Lens – Themenerkennung – Anzeigen**
1. Wählen Sie in Amazon Connect im Navigationsmenü links **Analyse und Optimierung**, **Kontaktsuche** aus.
1. Wenden Sie auf der Seite **Kontaktsuche** Filter an, um eine Gruppe von Kontakten auszuwählen, die von Contact Lens analysiert wurden.
**Wichtig**
Ihre Suchabfrage muss mindestens 300 Kontakte mit Problemen zurückgeben, die von Contact Lens erkannt wurden. Andernfalls ist die Schaltfläche **Themenbericht generieren** nicht aktiviert.
1. Wählen Sie **Suche speichern** aus, um Ihre Ergebnisse zu speichern. Weisen Sie Ihrer Suche einen Namen zu.
1. Wählen Sie **Themenbericht generieren** aus.
Contact Lens wendet Machine Learning an, um Kontakte mit ähnlichen Problemen automatisch zu gruppieren. Wenn der Bericht generiert wird, zeigt ein Banner einen Link zum Themenbericht an. Ein Beispiel für ein Banner ist auf der folgenden Abbildung zu sehen.
![\[Die Seite „Kontaktsuche“, das Banner zur Themenerkennung\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-theme-detection-banner.png)
1. Klicken oder tippen Sie auf den Link zum Themenbericht.
Der Themenbericht wird angezeigt. Er enthält Themenbezeichnungen und eine Liste von Kontakten, wie auf der folgenden Abbildung zu sehen.
![\[Ein Themenbericht mit mehreren Themenbezeichnungen\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-theme-detection-drilldown.png)
1. Klicken oder tippen Sie auf die Themenbezeichnungen, um die zugehörigen Kontakte aufzurufen, sich bestimmte Aufzeichnungen anzuhören und Transkripte zur eingehenderen Analyse zu lesen.
# Untersuchen von Stimmungswerten bei Kontaktkonversationen mit Contact Lens
## Was sind Stimmungswerte?
Ein Stimmungswert ist eine Textanalyse und eine Bewertung, die angibt, ob vorwiegend positive, negative oder neutrale Sprache enthalten ist. Supervisoren können Stimmungswerte verwenden, um Konversationen zu durchsuchen und Kontakte zu identifizieren, die Unterschiede bei der Kundenbetreuung aufweisen, positiv oder negativ. Dies hilft dabei, schnell erkennen zu können, welche Anrufe untersucht werden müssen.
Sie können einen Stimmungswert für die gesamte Konversation sowie den Stimmungstrend für den gesamten Kontakt einsehen.
## So untersuchen Sie Stimmungswerte
Wenn Sie an der Verbesserung Ihres Contact Centers arbeiten, kann es hilfreich sein, den Fokus auf Folgendes zu legen:
+ Kontakte, die mit einem positiven Stimmungswert beginnen, aber mit einem negativen Wert enden
Wenn Sie sich beispielsweise auf eine begrenzte Anzahl von Kontakten konzentrieren möchten, die für die Qualitätssicherung ausgewählt werden sollen, können Sie sich Kontakte ansehen, von denen Sie wissen, dass der/die Kund:in zu Beginn eine positive Stimmung hatte und diese zum Ende in eine negative Stimmung umgeschlagen ist. Das zeigt Ihnen, dass der Kunde das Gespräch verlassen hat, während er unzufrieden mit etwas war.
+ Kontakte, die mit einem negativen Stimmungswert beginnen, aber mit einem positiven Wert enden
Durch die Analyse dieser Kontakte können Sie herausfinden, welche Situationen sich in Ihrem Contact Center wiederholen lassen. Sie können erfolgreiche Methoden mit anderen Kundendienstmitarbeitern teilen.
Eine weitere Möglichkeit, den Stimmungsverlauf zu untersuchen, besteht darin, sich die Trendlinie zur Stimmung anzusehen. Dabei können Sie Veränderung der Stimmung von Kunden im Kontaktverlauf beobachten. Die folgende Abbildung zeigt beispielsweise eine Konversation, bei der der Stimmungswert zu Beginn sehr niedrig war, im weiteren Verlauf anstieg und sich am Ende wieder verschlechterte.
![\[Stimmungstrend eines Kunden\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-sentiment-trend.png)
Weitere Informationen finden Sie unter [Suche nach Stimmungswert oder Auswertung der Stimmungsverschiebung](search-conversations.md#sentiment-search).
## So ermitteln Sie Stimmungswerte
Amazon Connect Contact Lens ermittelt, ob die Stimmung bei jedem Sprecherabschnitt einer Konversation positiv, negativ oder neutral ist. Anschließend werden für jeden Teilnehmerabschnitt zwei Faktoren herangezogen, um den einzelnen Gesprächszeiträumen einen Wert zwischen –5 und \$15 zuzuweisen:
+ Häufigkeit: Wie oft die Stimmung positiv, negativ oder neutral ist
+ Stimmungsserie: Aufeinanderfolgende Abschnitte mit derselben Stimmung
Die allgemeine Stimmungsbewertung ist der Durchschnitt der Werte, die während der einzelnen Abschnitte des Anrufs zugewiesen wurden.
# Untersuchen sprechfreier Zeit während eines Anrufs mit Amazon Connect Contact Lens
## Was ist sprechfreie Zeit?
Amazon Connect Contact Lens identifiziert auch die Länge der *sprechfreien Zeit******* in einem Anruf. Die sprechfreie Zeit entspricht der Wartezeit zuzüglich aller Sprechpausen, in der beide Teilnehmer länger als 3 Sekunden nicht sprechen. Diese Dauer kann nicht angepasst werden.
Die folgende Abbildung zeigt die Position der Daten zur sprechfreien Zeit auf der Seite **Kontaktdaten**.
![\[Die Seite „Kontaktdaten“, der Abschnitt zur Gesprächszeit, die Daten zur sprechfreien Zeit\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-nontalk-time-overview.png)
## So untersuchen Sie sprechfreie Zeit
Die sprechfreie Zeit kann Ihnen dabei helfen, Anrufe zu identifizieren, die schlecht gelaufen sind. Schlechte Gespräche können folgende Ursachen haben:
+ Der/Die Kund:in hat eine Frage gestellt, die für das Contact Center neu ist.
+ Der/Die Kundendienstmitarbeiter:in braucht viel Zeit, um etwas zu tun, er/sie ist aber gut ausgebildet. Dies deutet auf ein Problem mit den Tools hin, die Kundendienstmitarbeitern zur Verfügung stehen. Beispielsweise könnten die Tools langsam reagieren oder ihre Nutzung könnte schwierig sein.
+ Der/Die Kundendienstmitarbeiter:in hatte keine schnelle Antwort parat, aber er/sie ist noch relativ neu. Dies deutet darauf hin, dass er/sie mehr Training benötigt.
Sie haben die Möglichkeit, sich auf diese Kontakte zu konzentrieren, um Ihr Contact Center zu verbessern. Sie können beispielsweise zu diesem Audioabschnitt gehen und sich dann das Transkript ansehen, um zu sehen, was passiert ist.
Im folgenden Beispiel gab es eine sprechfreie Zeit, als der/die Kundendienstmitarbeiter:in nach der Reisenummer des/der Anrufer:in gesucht hat. Dies könnte auf ein Problem mit den Tools des/der Kundendienstmitarbeiter:in hinweisen. Falls der/die Kundendienstmitarbeiter:in neu ist, könnte er/sie auch mehr Training benötigen.
![\[Die Audioaufzeichnung und das Transkript für den Kontakt, die Position der sprechfreien Zeit\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-non-talk-time-transcript.png)
Weitere Informationen finden Sie unter [Suchen nach Nicht-Gesprächszeit](search-conversations.md#nontalk-time-search).
# Untersuchen der Reaktionszeit bei Chats in Contact Lens
Verwenden Sie die Reaktionszeitmetrik, um zu verstehen, wie schnell Kundendienstmitarbeiter oder Kunden während eines Chat-Kontakts reagieren.
Contact Lens berechnet die folgenden Metriken:
+ **Begrüßungszeit des Kundendienstmitarbeiters**: Dies ist die Erstreaktionszeit für Kundendienstmitarbeiter. Sie gibt an, wie schnell Kundendienstmitarbeiter mit Kunden interagiert haben, nachdem sie dem Chat beigetreten sind. Eine lange Erstreaktionszeit kann beispielsweise die Erklärung dafür sein, dass Kunden zu Beginn des Gesprächs eine negative Stimmung haben.
+ **Durchschnittliche Reaktionszeit des Kundendienstmitarbeiters** und **Durchschnittliche Reaktionszeit des Kunden**: Die Reaktionszeit von Kundendienstmitarbeitern hilft Ihnen dabei, die Leistung von Kundendienstmitarbeitern mit der Baseline Ihres Unternehmens zu vergleichen.
+ **Max. Reaktionszeit des Kundendienstmitarbeiters** und **Max. Reaktionszeit des Kunden**:
Die maximale Reaktionszeit von Kunden kann die Erklärung für die Reaktionszeit von Kundendienstmitarbeitern sein. Wenn Kunden beispielsweise fünf Minuten lang nicht geantwortet und dann eine Nachricht gesendet haben, kann es sein, dass Kundendienstmitarbeiter länger als gewöhnlich gebraucht haben, um zu antworten, weil sie gleichzeitig andere Chats betreut haben.
Wir empfehlen, die Reaktionszeitmetriken in Verbindung mit der Interaktionsgrafik zu untersuchen, die Lücken in der Konversation und die Stimmung der Teilnehmer zeigt.
Sie können in der Grafik auf den Wert für die längste Reaktionszeit klicken oder tippen, um zur entsprechenden Nachricht im Transkript zu gelangen.
Die folgende Abbildung der Seite **Kontaktdaten** zeigt Metriken für Chat-Konversationen. Beachten Sie, dass die **Begrüßungszeit des Kundendienstmitarbeiters** dem Zeitraum zwischen dem Betritt von Kundendienstmitarbeitern zum Chat und dem Zeitpunkt entspricht, als sie die erste Antwort gesendet haben.
![\[Die Seite „Kontaktdaten“, Chat-Metriken\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contactlens-contactdetails-chat1b.png)
Weitere Informationen finden Sie unter [Suche nach Reaktionszeit für Chat-Konversationen](search-conversations.md#response-time-search).
# Untersuchen der Lautstärke von Kundendienstmitarbeitern und Kunden bei Anrufen mithilfe von Contact Lens
Ein Lautstärkewert misst, wie laut Kunden oder Kundendienstmitarbeiter während eines Anrufs sprechen. Contact Lenszeigt eine Analyse der Konversation an, anhand derer Sie feststellen können, an welcher Stelle Kunden oder Kundendienstmitarbeiter möglicherweise laut sprechen und eine negative Stimmung haben.
## So verwenden Sie Lautstärkewerte
Wir empfehlen, Lautstärkewerte zusammen mit Stimmungen zu verwenden. Suchen Sie nach Bereichen in der Konversation, in denen der Lautstärkewert hoch und die Stimmung niedrig ist. Lesen Sie dann diesen Abschnitt des Transkripts oder hören Sie sich diesen Abschnitt des Anrufs an.
Das Folgende ist beispielsweise eine Abbildung einer Aufzeichnungs- und Transkriptanalyse. Vertikale Balken mit Spitzen zeigen an, wo der/die Kund:in laut spricht. Die horizontalen roten Balken zeigen an, dass die Stimmung negativ ist.
![\[Die Seite „Kontaktdaten“, Lautstärkewerte\]](http://docs.aws.amazon.com/de_de/connect/latest/adminguide/images/contact-lens-amplitude.png)
# Schwärzen sensibler Daten mit Contact Lens zum Schutz der Privatsphäre von Kunden
Um die Privatsphäre Ihrer Kunden zu schützen, können Sie mit Contact Lens Konversationsanalysen sensible Daten aus Gesprächsprotokollen, Audiodateien und E-Mail-Transkripten automatisch redigieren. Sensible Daten wie Name, Adresse und Kreditkarteninformationen werden mithilfe von natürlichem Sprachverständnis redigiert.
Wenn Sie die Konversationsanalysen für den Block **Aufzeichnungs- und Analyseverhalten festlegen** aktivieren, haben Sie die Möglichkeit, die Redigierung einzustellen. Weitere Informationen finden Sie unter [Aktivieren der Schwärzung sensibler Daten](enable-analytics.md#enable-redaction).
Bei Sprachkontakten erfolgt die Schwärzung sensibler Daten, nachdem ein Anruf unterbrochen wurde. Bei E-Mail-Kontakten erfolgt die Schwärzung, nachdem der E-Mail-Kontakt beendet wurde.
**Wichtig**
Das Feature zur Redaktion dient dazu, sensible Daten zu identifizieren und zu entfernen. Aufgrund des prädiktiven Charakters von Machine Learning kann es jedoch passieren, dass nicht alle sensiblen Daten in einem von Contact Lens generierten Transkript identifiziert und redigiert werden. Wir empfehlen deshalb, die Redaktion in allen Ausgaben zu prüfen, um sicherzustellen, dass sie den Anforderungen entsprechen.
Das Feature zur Redaktion erfüllt nicht die Anforderungen an die Anonymisierung gemäß Gesetzen zum Schutz medizinischer Daten wie dem U.S. Health Insurance Portability and Accountability Act von 1996 (HIPAA). Wir empfehlen daher, sie auch nach der Redaktion weiterhin als geschützte Gesundheitsinformationen zu behandeln.
Eine Liste der Sprachen, für die die Redaktionsfunktion in Contact Lens unterstützt wird, finden Sie unter [Von Amazon-Connect-Features unterstützte Sprachen](supported-languages.md).
## Redigierte Dateien
Geschwärzte Sprachdateien werden in Ihrem Voice Amazon S3 S3-Bucket gespeichert, zum Beispiel: connect- *instanceARN* /Analysis.
Geschwärzte Chat-Dateien werden in Ihrem Chat-Amazon S3-Bucket gespeichert, zum Beispiel: connect- *instanceARN* /Analysis/Chat
Geschwärzte E-Mail-Dateien werden in Ihrem Amazon S3 S3-E-Mail-Bucket gespeichert, zum Beispiel: connect- *instanceARN* /Analysis/Email
Sie können auf alle Dateien (redigiert, nicht redigiert, Rohdateien usw.) über die AWS -Konsole zugreifen, indem Sie die Amazon-S3-Konsole verwenden.
[Im Folgenden finden Sie eine Liste der Dateien, auf die Sie über die Amazon Connect Admin-Website zugreifen können (z. B. auf der Seite mit den **Kontaktdaten**), vorausgesetzt, Sie verfügen über die entsprechenden Sicherheitsprofilberechtigungen:](permissions-for-contact-lens.md)
+ Greifen Sie auf redigierte Sprach-, Chat- und E-Mail-Dateien zu.
+ Herunterladen von redigierten Sprachaufzeichnungen
**Anmerkung**
Derzeit können Sie keine redigierten Chat-Dateien und Sprachtranskripte herunterladen.
Wenn das Redigieren aktiviert ist, generiert Contact Lens die folgenden Dateien:
+ Eine redigierte Datei: Diese Datei wird standardmäßig generiert, wenn das Redigieren aktiviert ist. Sie stellt das Ausgabeschema dar und die sensiblen Daten darin sind redigiert. Eine Beispieldatei finden Sie unter [Beispiel für eine redigierte Datei für einen Anruf, der mit der Konversationsanalyse von Contact Lens analysiert wurde](contact-lens-example-output-files.md#example-redacted-file).
+ Eine analysierte Originaldatei (Rohdatei): Diese Datei wird nur generiert, wenn Sie **Redigierte und Originaltranskripte mit redigiertem Audio abrufen** im Block [Aufzeichnungs- und Analyseverhalten festlegen](set-recording-behavior.md) auswählen. Eine Beispieldatei finden Sie unter [Beispiel für eine Originaldatei für einen Anruf, der mit der Konversationsanalyse von Contact Lens analysiert wurde](contact-lens-example-output-files.md#example-original-output-file).
**Wichtig**
Bei Sprachkontakten ist die analysierte Originaldatei der einzige Ort, an dem die vollständige Konversation gespeichert wird. Wenn Sie diese löschen, gibt es keine weiteren Quellen für die sensiblen Daten, die redigiert wurden.
+ Eine redigierte Audiodatei (WAV) für Sprachkontakte Sensible Daten in Audiodateien werden beim Redigieren durch Stille ersetzt. Diese stillen Zeiten werden weder auf der Amazon Connect Admin-Website noch an anderer Stelle als Gesprächszeit gekennzeichnet.
Legen Sie anhand Ihrer Richtlinien zur Dateiaufbewahrung fest, wie lange diese Dateien aufbewahrt werden sollen.
# Contact Lens APIs Für Chat-Analysen verwenden
Contact Lensumfasst zwei APIs , die Konversationsanalysen unterstützen. Verwenden Sie diese APIs , um Lösungen zu entwickeln, die Ihr Kontaktzentrum effizienter machen.
+ [ListRealtimeContactAnalysisSegments](https://docs.aws.amazon.com/contact-lens/latest/APIReference/API_ListRealtimeContactAnalysisSegments.html): Für Sprachkontakte verwenden.
+ [ListRealtimeContactAnalysisSegmentsV2](https://docs.aws.amazon.com/connect/latest/APIReference/API_ListRealtimeContactAnalysisSegmentsV2.html): Für Chat-Kontakte verwenden.
Bei diesen Konversationsanalysen APIs handelt es sich um Umfragen APIs mit einem request/response Standard-Exchange, bei dem Sie keine Integration mit anderen Diensten vornehmen müssen. Es gelten jedoch [Ratenlimits](amazon-connect-service-limits.md#connect-contactlens-api-quotas). Bei Bedarf können Sie diese Limits durch Verwendung der [Streaming-API](contact-analysis-segment-streams.md) umgehen. Diese setzt die Integration mit Amazon Kinesis Data Streams voraus.
Im Folgenden finden Sie zwei Anwendungsfälle für die API zur Anruf- und Chat-Analyse.
## Bessere Kontaktübertragungen
Wenn ein Kontakt von Kundendienstmitarbeitern an andere Kundendienstmitarbeiter weitergeleitet wird, können Sie dabei auch ein Transkript der Konversation an neue Kundendienstmitarbeiter übertragen. Der neue Kundendienstmitarbeiter weiß dann, warum sich der Kunde an Ihr Contact Center wendet, und der Kunde muss die Informationen, die er bereits angegeben hat, nicht wiederholen. Verwenden Sie die [ListRealtimeContactAnalysisSegments](https://docs.aws.amazon.com/contact-lens/latest/APIReference/API_ListRealtimeContactAnalysisSegments.html)API für Sprachkontakte und die [ListRealtimeContactAnalysisSegmentsV2-API](https://docs.aws.amazon.com/connect/latest/APIReference/API_ListRealtimeContactAnalysisSegmentsV2.html) für Chats, um das gesamte Protokoll der Konversation bis zu einem bestimmten Punkt abzurufen und es mit dem neuen Agenten zu teilen.
## Heben Sie wichtige Teile der Konversation als Bezeichnungen, Probleme, Aktionspunkte und Ergebnisse hervor
Mit den wichtigsten Highlights können sich Kundendienstmitarbeiter nach Beendigung des Kontakts schnell Notizen machen und Supervisoren können schnell Ansprechpartner für das Qualitäts- und Leistungsmanagement der Kundendienstmitarbeiter identifizieren. Dies macht Kundendienstmitarbeiter und Supervisoren produktiver bei ihrer Arbeit.
# Zugreifen auf Analysen für Sprach- und Chat-Kontakte in Contact Lens mithilfe von Amazon Kinesis Data Streams
Segmentstreams zur Kontaktanalyse ermöglichen Ihnen den Zugriff auf Analysen für Sprach- und Chat-Kontakte in Contact Lens. Streaming überwindet die Skalierungsbeschränkungen vorhandener [Anruf- und Chat-Analysen](contact-lens-api.md). APIs Bei Sprachkontakten bietet es auch Zugriff auf ein Datensegment mit der Bezeichnung `Utterance`, mit dem Sie partielle Transkripte aufrufen können. Auf diese Weise können Sie Anforderungen für extrem niedrige Latenzen erfüllen, um Kundendienstmitarbeiter bei Live-Anrufen zu unterstützen.
In diesem Abschnitt wird die Integration in Amazon Kinesis Data Streams für das Streaming erläutert.
Durch Streaming können Sie die folgenden Ereignistypen empfangen:
+ STARTED-Ereignisse, die zu Beginn einer Kontaktanalysesitzung veröffentlicht werden
+ SEGMENTS-Ereignisse, die während der Kontaktanalysesitzungen veröffentlicht werden. Diese Ereignisse enthalten eine Liste von Segmenten mit analysierten Informationen.
+ COMPLETED- oder FAILED-Ereignisse, die am Ende einer Kontaktanalysesitzung veröffentlicht wurden
**Topics**
+ [Aktivieren von Segmentstreams zur Kontaktanalyse](enable-contact-analysis-segment-streams.md)
+ [Sprache: Datenmodell für Segmentstreams für Konversationsanalysen](real-time-contact-analysis-segment-streams-data-model.md)
+ [Chat: Datenmodell für Segmentstreams für Konversationsanalysen](chat-real-time-contact-analysis-segment-streams-data-model.md)
+ [Sprachkontakt: Beispiel-Segmentstream für Konversationsanalysen](sample-real-time-contact-analysis-segment-stream.md)
+ [Chat: Beispiel-Segmentstream für Konversationsanalysen](chat-sample-real-time-contact-analysis-segment-stream.md)
# Aktivieren von Segmentstreams zur Kontaktanalyse von Konversationen in Contact Lens
Segmentstreams zur Kontaktanalyse sind nicht standardmäßig aktiviert. In diesem Artikel wird erläutert, wie Sie sie aktivieren.
## Schritt 1: Erstellen eines Kinesis-Streams
Erstellen Sie den Datenstrom im selben Konto und in derselben Region, in der sich Ihre Amazon-Connect-Instance befindet. Eine Anleitung finden Sie unter [Schritt 1: Erstellen eines Datenstroms](https://docs.aws.amazon.com/streams/latest/dev/tutorial-stock-data-kplkcl-create-stream.html) im *Entwicklerleitfaden für Amazon Kinesis Data Streams*.
**Tipp**
Wir empfehlen, für jeden Datentyp einen separaten Stream zu erstellen. Es ist zwar möglich, denselben Stream für Segmentstreams zur Kontaktanalyse, Kundendienstmitarbeiter-Ereignisse und Kontaktdatensätze zu verwenden. Allerdings ist es viel einfacher, jeweils einen separaten Stream verwenden, um Daten im Stream zu verwalten und daraus abzurufen. Weitere Informationen finden Sie im [Entwicklerleitfaden für Amazon Kinesis Data Streams](https://docs.aws.amazon.com/streams/latest/dev/introduction.html).
## Schritt 2: Einrichten serverseitiger Verschlüsselung für den Kinesis-Stream (optional, aber empfohlen)
Hierfür stehen Ihnen verschiedene Möglichkeiten zur Verfügung.
+ Option 1: Verwenden Sie den Kinesis-Schlüssel ( Von AWS verwalteter Schlüssel , `aws/kinesis`). Dies funktioniert ohne zusätzliche Einrichtungsschritte Ihrerseits.
+ Option 2: Verwenden Sie denselben kundenverwalteten Schlüssel für Anrufaufzeichnungen, Chat-Transkripte oder exportierte Berichte in Ihrer Amazon-Connect-Instance.
Aktivieren Sie die Verschlüsselung und verwenden Sie einen kundenverwalteten Schlüssel für Anrufaufzeichnungen, Chat-Transkripte oder exportierte Berichte in Ihrer Amazon-Connect-Instance. Wählen Sie anschließend denselben KMS-Schlüssel für Ihren Kinesis-Datenstrom aus. Dieser Schlüssel verfügt bereits über die erforderliche Berechtigung (Erteilung), um verwendet zu werden.
+ Option 3: Verwenden Sie einen anderen kundenverwalteten Schlüssel.
Verwenden Sie einen vorhandenen kundenverwalteten Schlüssel oder erstellen Sie einen neuen und fügen Sie die erforderlichen Berechtigungen hinzu, damit die Amazon-Connect-Rolle den Schlüssel verwenden kann. Im folgenden Beispiel sehen sie, wie Sie Berechtigungen mithilfe von AWS KMS -Erteilungen hinzufügen:
```
aws kms create-grant \
--key-id your key ID \
--grantee-principal arn:aws:iam::your AWS account ID:role/aws-service-role/connect.amazonaws.com/AWSServiceRoleForAmazonConnect_11111111111111111111 \
--operations GenerateDataKey \
--retiring-principal arn:aws:iam::your AWS account ID:role/adminRole
```
`grantee-principal` ist der ARN der serviceverknüpften Rolle, die Ihrer Amazon-Connect-Instance zugeordnet ist. Wenn Sie den ARN der serviceverknüpften Rolle finden möchten, gehen Sie in der Amazon-Connect-Konsole zu **Übersicht**, **Verteilungseinstellungen**, **Serviceverknüpfte Rolle**.
## Schritt 3: Zuordnen des Kinesis-Streams
Verwenden Sie die Amazon Connect [AssociateInstanceStorageConfig](https://docs.aws.amazon.com/connect/latest/APIReference/API_AssociateInstanceStorageConfig.html)Connect-API, um die folgenden Ressourcentypen zuzuordnen:
+ Verwenden Sie für Sprachkontakte `REAL_TIME_CONTACT_ANALYSIS_VOICE_SEGMENTS`
+ Verwenden Sie für Chat-Kontakte `REAL_TIME_CONTACT_ANALYSIS_CHAT_SEGMENTS`
**Anmerkung**
`REAL_TIME_CONTACT_ANALYSIS_SEGMENTS` ist veraltet, wird aber noch unterstützt und gilt nur für Sprachkontakte. Verwenden Sie in Zukunft `REAL_TIME_CONTACT_ANALYSIS_VOICE_SEGMENTS` für Sprachkontakte.
Wenn Sie zuvor einen Stream mit `REAL_TIME_CONTACT_ANALYSIS_SEGMENTS` verknüpft haben, ist keine Aktion erforderlich, um den Stream auf `REAL_TIME_CONTACT_ANALYSIS_VOICE_SEGMENTS` zu aktualisieren.
Geben Sie den Kinesis-Stream an, in dem die Segmente der Echtzeit-Kontaktanalyse veröffentlicht werden. Sie benötigen die Instance-ID und den Kinesis-Stream-ARN. Der folgende Code zeigt ein Beispiel dafür:
```
// Build request
const request: Connect.Types.AssociateInstanceStorageConfigRequest = {
InstanceId: 'your Amazon Connect instance ID',
ResourceType: 'REAL_TIME_CONTACT_ANALYSIS_VOICE_SEGMENTS or REAL_TIME_CONTACT_ANALYSIS_CHAT_SEGMENTS',
StorageConfig: {
StorageType: 'KINESIS_STREAM',
KinesisStreamConfig: {
StreamArn: 'the ARN of your Kinesis stream',
},
}
};
```
### AWS CLI
Das folgende Beispiel bezieht sich auf Chat-Kontakte.
**Tipp**
Wenn Sie die AWS Region (`--region`) nicht angeben, wird die Standardregion verwendet, die auf dem CLI-Profil basiert.
Der Parameterwert `--storage-config` darf nicht in einfachen Anführungszeichen (') stehen. Andernfalls wird ein Fehler verursacht.
```
aws connect associate-instance-storage-config \
--region "us-west-2" \
--instance-id your Amazon Connect instance ID \
--resource-type REAL_TIME_CONTACT_ANALYSIS_CHAT_SEGMENTS \
--storage-config StorageType=KINESIS_STREAM,KinesisStreamConfig={StreamArn=the ARN of your Kinesis stream}
```
### AWS SDK
Das folgende Beispiel bezieht sich auf Sprachkontakte.
```
import { Connect } from 'aws-sdk';
async function associate (): Promise {
const clientConfig: Connect.ClientConfiguration = {
region: 'the Region of your Amazon Connect instance',
};
const connect = new Connect(clientConfig);
// Build request
const request: Connect.Types.AssociateInstanceStorageConfigRequest = {
InstanceId: 'your Amazon Connect instance ID',
ResourceType: 'REAL_TIME_CONTACT_ANALYSIS_VOICE_SEGMENTS',
StorageConfig: {
StorageType: 'KINESIS_STREAM',
KinesisStreamConfig: {
StreamArn: 'the ARN of your Kinesis stream',
},
}
};
try {
// Execute request
const response: Connect.Types.AssociateInstanceStorageConfigResponse = await connect.associateInstanceStorageConfig(request).promise();
// Process response
console.log('raw response: ${JSON.stringify(response, null, 2)}');
} catch (err) {
console.error('Error calling associateInstanceStorageConfig. err.code: ${err.code},' +
'err.message: ${err.message}, err.statusCode: ${err.statusCode}, err.retryable: ${err.retryable}');
}
}
associate().then(r => console.log('Done'));
```
## Schritt 4: Aktivieren von Contact Lens für Ihre Amazon-Connect-Instance
Detaillierte Anleitungen finden Sie unter [Aktivieren von Konversationsanalysen in Amazon Connect Contact Lens](enable-analytics.md).
## Schritt 5 (optional): Ansehen eines Beispiels für einen Segmentstream
Wir empfehlen Ihnen, sich ein Beispiel für einen [Sprach-](sample-real-time-contact-analysis-segment-stream.md) oder [Chat](chat-sample-real-time-contact-analysis-segment-stream.md)-Segmentstream anzusehen, um sich damit vertraut zu machen.
# Datenmodell für Segmentstreams für Konversationsanalysen zum Analysieren von Sprachkontakten in Contact Lens
Segmentstreams zur Kontaktanalyse in Echtzeit werden in JSON generiert. Ereignis-JSON-Blobs werden für jeden Kontakt, für den die Konversationsanalyse in Echtzeit aktiviert ist, im zugehörigen Stream veröffentlicht. Die folgenden Ereignistypen können für eine Konversationsanalyse-Sitzung zu einem Sprachkontakt veröffentlicht werden:
+ STARTED-Ereignisse – Jede Konversationsanalyse-Sitzung veröffentlicht zu Beginn der Sitzung ein STARTED-Ereignis.
+ SEGMENTS-Ereignisse – Jede Konversationsanalyse-Sitzung kann null oder mehr SEGMENTS-Ereignisse während der Sitzung veröffentlichen. Diese Ereignisse enthalten eine Liste von Segmenten mit analysierten Informationen. Bei Sprachkontakten kann die Liste die Segmente „`Utterance`“, „`Transcript`“, „`Categories`“ oder „`PostContactSummary`“ enthalten.
+ COMPLETED- oder FAILED-Ereignisse – Jede Konversationsanalyse-Sitzung veröffentlicht am Ende ein COMPLETED- oder FAILED-Ereignis.
## Allgemeine Eigenschaften, die in allen Ereignissen für Sprachkontakte enthalten sind
Jedes Ereignis beinhaltet die folgenden Eigenschaften:
**Version**
Die Version des Ereignisschemas
Typ: Zeichenfolge
**Kanal**
Der Typ des Kanals für diesen Kontakt
Typ: Zeichenfolge
Zulässige Werte: `VOICE`, `CHAT`, `TASK`
Weitere Informationen zu Kanälen finden Sie unter [Kanäle und Parallelität für die Weiterleitung von Kontakten in Amazon Connect](channels-and-concurrency.md).
**AccountId**
Die Kennung des Kontos, in dem dieser Kontakt stattfindet
Typ: Zeichenfolge
**ContactId**
Die Kennung des Kontakts, der analysiert wird
Typ: Zeichenfolge
**InstanceId**
Die Kennung der Instance, in dem dieser Kontakt stattfindet
Typ: Zeichenfolge
**LanguageCode**
Der diesem Kontakt zugeordnete Sprachcode
Typ: Zeichenfolge
Zulässige Werte: der Sprachcode für eine der [unterstützten Sprachen für Contact Lens-Anrufanalysen in Echtzeit](supported-languages.md#supported-languages-contact-lens)
**EventType**
Der Typ des veröffentlichten Ereignisses
Typ: Zeichenfolge
Zulässige Werte: `STARTED`, `SEGMENTS`, `COMPLETED`, `FAILED`
## STARTED-Ereignis
`STARTED`-Ereignisse beinhalten nur die gemeinsamen Eigenschaften:
+ Version
+ Kanal
+ AccountId
+ ContactId
+ LanguageCode
+ EventType: GESTARTET
## SEGMENTS-Ereignis
`SEGMENTS`-Ereignisse beinhalten die folgenden Eigenschaften:
+ Version
+ Kanal
+ AccountId
+ ContactId
+ LanguageCode
+ EventType: SEGMENTE
+ Segments: Zusätzlich zu den allgemeinen Eigenschaften enthalten `SEGMENTS`-Ereignisse eine Liste von Segmenten mit analysierten Informationen.
Typ: Array von [Segment](#segment)-Objekten
+ PostContactSummary: Informationen zur Zusammenfassung nach dem Kontakt für ein Segment mit Sprachkontakt.
Typ: Objekte [PostContactSummary](https://docs.aws.amazon.com/connect/latest/APIReference/API_connect-contact-lens_PostContactSummary.html)
Erforderlich: Nein
**Segment**
Ein analysiertes Segment für eine Echtzeit-Analysesitzung
Jedes Segment ist ein Objekt mit den folgenden optionalen Eigenschaften. Je nach Segmenttyp ist nur eine dieser Eigenschaften vorhanden:
+ Utterance
+ Transcript
+ Kategorien
+ PostContactSummary
**Utterance**
Die analysierte Äußerung
Erforderlich: Nein
+ **Id**
Die Kennung der Äußerung
Typ: Zeichenfolge
+ ** TranscriptId**
Die Kennung des mit dieser Äußerung verknüpften Transkripts
Typ: Zeichenfolge
+ **ParticipantId**
Die Kennung des/der Teilnehmer:in
Typ: Zeichenfolge
+ ** ParticipantRole**
Die Rolle des/der Teilnehmer:in. Handelt es sich beispielsweise um Kunden, Kundendienstmitarbeiter oder Systeme?
Typ: Zeichenfolge
+ ** PartialContent**
Der Inhalt der Äußerung
Typ: Zeichenfolge
+ ** BeginOffsetMillis**
Der Versatz zu Beginn im Kontakt für dieses Transkript
Typ: Ganzzahl
+ ** EndOffsetMillis**
Der Versatz zum Ende im Kontakt für dieses Transkript
Typ: Ganzzahl
**Transcript**
Das analysierte Transkript
Typ: [Transcript](https://docs.aws.amazon.com/contact-lens/latest/APIReference/API_Transcript.html)-Objekt
Erforderlich: Nein
**Kategorien**
Die Kategorieregeln, für die eine Übereinstimmung gefunden wurde
Typ: [Categories](https://docs.aws.amazon.com/contact-lens/latest/APIReference/API_Categories.html)-Objekt
Erforderlich: Nein
**PostContactSummary**
Informationen zur Zusammenfassung nach dem Kontakt für ein Segment mit Sprachkontakt
Typ: [PostContactSummary](https://docs.aws.amazon.com/connect/latest/APIReference/API_connect-contact-lens_PostContactSummary.html) Objekt
Erforderlich: Nein
## COMPLETED-Ereignis
`COMPLETED`-Ereignisse beinhalten nur die folgenden allgemeinen Eigenschaften:
+ Version
+ Kanal
+ AccountId
+ ContactId
+ LanguageCode
+ EventType: ABGESCHLOSSEN
## FAILED-Ereignis
`FAILED`-Ereignisse beinhalten nur die folgenden allgemeinen Eigenschaften:
+ Version
+ Kanal
+ AccountId
+ ContactId
+ LanguageCode
+ EventType: FEHLGESCHLAGEN
# Datenmodell für Segmentstreams für Konversationsanalysen zum Analysieren von Chats in Contact Lens
Segmentstreams für Konversationsanalysen für Chat-Kontakte werden in JSON generiert. Ereignis-JSON-Blobs werden für jeden Kontakt, für den die Konversationsanalyse in Echtzeit aktiviert ist, im zugehörigen Stream veröffentlicht. Die folgenden Ereignistypen können für eine Konversationsanalyse-Sitzung zu einem Chat-Kontakt veröffentlicht werden:
+ STARTED-Ereignisse – Jede Konversationsanalyse-Sitzung veröffentlicht zu Beginn der Sitzung ein STARTED-Ereignis.
+ SEGMENTS-Ereignisse – Jede Konversationsanalyse-Sitzung kann null oder mehr SEGMENTS-Ereignisse während der Sitzung veröffentlichen. Diese Ereignisse enthalten eine Liste von Segmenten mit analysierten Informationen. Bei Chat-Kontakten kann die Liste die Segmente „`Attachments`“, „`Transcript`“, „`Categories`“, „`Events`“, „`Issues`“ oder „`PostContactSummary`“ enthalten.
+ COMPLETED- oder FAILED-Ereignisse – Jede Konversationsanalyse-Sitzung veröffentlicht am Ende ein COMPLETED- oder FAILED-Ereignis.
## Allgemeine Eigenschaften, die in allen Ereignissen für Chat-Kontakte enthalten sind
Jedes Ereignis beinhaltet die folgenden Eigenschaften:
**Version**
Die Version des Ereignisschemas Für Chat-Kontakte ist dies 2.0.0.
Typ: Zeichenfolge
**Kanal**
Der Typ des Kanals für diesen Kontakt
Typ: Zeichenfolge
Zulässige Werte: `VOICE`, `CHAT`, `TASK`
Weitere Informationen zu Kanälen finden Sie unter [Kanäle und Parallelität für die Weiterleitung von Kontakten in Amazon Connect](channels-and-concurrency.md).
**AccountId**
Die Kennung des Kontos, in dem dieser Kontakt stattfindet
Typ: Zeichenfolge
**InstanceId**
Die Kennung der Instance, in dem dieser Kontakt stattfindet
Typ: Zeichenfolge
**ContactId**
Die Kennung des Kontakts, der analysiert wird
Typ: Zeichenfolge
**StreamingEventType**
Der Typ des veröffentlichten Ereignisses
Typ: Zeichenfolge
Zulässige Werte: `STARTED`, `SEGMENTS`, `COMPLETED`, `FAILED`
**StreamingSettings**
Die Einstellungen in Contact Lens für diesen Kontakt
Typ: [StreamingSettings](#streamingsettingsobject) Objekt
## StreamingSettings Objekt
**LanguageCode**
Der diesem Kontakt zugeordnete Sprachcode
Typ: Zeichenfolge
Zulässige Werte: der Sprachcode für eine der [unterstützten Sprachen für Contact Lens-Anrufanalysen in Echtzeit](supported-languages.md#supported-languages-contact-lens)
**Ausgabe**
Der für diesen Kontakt aktivierte Ausgabetyp in Contact Lens
Typ: Zeichenfolge
Zulässige Werte: `Raw`, `Redacted`, `RedactedAndRaw`
**RedactionTypes**
Die Art der Schwärzung, die für diesen Kontakt aktiviert ist
Typ: Zeichenfolge-Array
Zulässige Werte: `PII`
**RedactionTypesMetadata**
Die Schwärzungsmetadaten für jeden Schwärzungstyp
Typ: RedactionType Zeichenfolge zum [RedactionMetadata](#redactionmetadata)Objekt
Zulässige Werte: `PII`
## RedactionMetadata Objekt
Bietet Informationen zu den Einstellungen für die Schwärzung
**RedactionMaskMode**
Die Ersetzungseinstellung für geschwärzte Daten
Typ: Zeichenfolge
Zulässige Werte: `PII`, `EntityType`
## STARTED-Ereignis
`STARTED`-Ereignisse beinhalten nur die gemeinsamen Eigenschaften:
+ Version
+ Kanal
+ AccountId
+ ContactId
+ StreamingEventType: GESTARTET
+ StreamingSettings
## SEGMENTS-Ereignis
`SEGMENTS`-Ereignisse beinhalten die folgenden Eigenschaften:
+ Version
+ Kanal
+ AccountId
+ OutputType
+ Der Ausgabetyp der aktuellen Sitzung in Contact Lens
+ Typ: Zeichenfolge
+ Zulässige Werte: `Raw`, `Redacted`
+ ContactId
+ StreamingEventType: SEGMENTE
+ StreamingSettings
+ Segmente
+ Eine Liste von Segmenten mit analysierten Informationen
+ Typ: Array von [Segment](#chat-segment)-Objekten
**Segment**
Ein analysiertes Segment für eine Echtzeit-Analysesitzung
Jedes Segment ist ein Objekt mit den folgenden optionalen Eigenschaften. Je nach Segmenttyp ist nur eine dieser Eigenschaften vorhanden:
+ [Anlagen](#chat-attachments)
+ [Kategorien](#chat-category)
+ [Veranstaltung](#chat-event)
+ [Problembereiche](#chat-issues)
+ [Transkript](#chat-transcript)
+ [PostContactSummary](#chat-postcontactsummary)
**Anlagen**
Die analysierten Anlagen
Erforderlich: Nein
Typ: [RealTimeContactAnalysisSegmentAttachments](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentAttachments.html) Objekt
**Kategorien**
Die Kategorieregeln, für die eine Übereinstimmung gefunden wurde
Typ: [RealTimeContactAnalysisSegmentCategories](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentCategories.html) Objekt
Erforderlich: Nein
**Veranstaltung**
Segmenttyp, der ein Kontaktereignis beschreibt
Typ: [RealTimeContactAnalysisSegmentEvent](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentEvent.html) Objekt
Erforderlich: Nein
**Problembereiche**
Segmenttyp, der eine Liste der erkannten Probleme enthält
Typ: [RealTimeContactAnalysisSegmentIssues](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentIssues.html) Objekt
Erforderlich: Nein
**Transcript**
Das analysierte Transkriptsegment
Typ: [RealTimeContactAnalysisSegmentTranscript](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentTranscript.html) Objekt
Erforderlich: Nein
**PostContactSummary**
Informationen zur Zusammenfassung nach dem Kontakt für ein Echtzeit-Kontaktsegment für den Chat
Typ: [RealTimeContactAnalysisSegmentPostContactSummary](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealTimeContactAnalysisSegmentPostContactSummary.html) Objekt
Erforderlich: Nein
## COMPLETED-Ereignis
`COMPLETED`-Ereignisse beinhalten nur die folgenden allgemeinen Eigenschaften:
+ Version
+ Kanal
+ AccountId
+ InstanceId
+ ContactId
+ StreamingEventType: ABGESCHLOSSEN
+ StreamingSettings
## FAILED-Ereignis
`FAILED`-Ereignisse beinhalten nur die folgenden allgemeinen Eigenschaften:
+ Version
+ Kanal
+ AccountId
+ InstanceId
+ ContactId
+ StreamingEventType: FEHLGESCHLAGEN
+ StreamingSettings
# Beispiel-Segmentstreams für die Konversationsanalyse von Anrufen mithilfe von Contact Lens
In diesem Thema finden Sie Beispiel-Segmentstreams für die Ereignisse STARTED, SEGMENTS, COMPLETED und FAILED, die bei einem Sprachkontakt auftreten können.
## Beispiel für STARTED-Ereignis
+ EventType: GESTARTET
+ Wird zu Beginn der Konversationsanalyse-Sitzung veröffentlicht
```
{
"Version": "1.0.0",
"Channel": "VOICE",
"AccountId": "123456789012", // your AWS account ID
"InstanceId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE11111", // your Amazon Connect instance ID
"ContactId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE22222", // the ID of the contact
"LanguageCode": "en-US", // the language code of the contact
"EventType": "STARTED"
}
```
## Beispiel für SEGMENTS-Ereignis
+ EventType: SEGMENTE
+ Wird während einer Konversationsanalyse-Sitzung veröffentlicht. Dieses Ereignis enthält eine Liste von Segmenten mit analysierten Informationen. Die Liste kann die Segmente `Utterance`, `Transcript`, `Categories` oder `PostContactSummary` enthalten.
```
{
"Version": "1.0.0",
"Channel": "VOICE",
"AccountId": "123456789012", // your AWS account ID
"InstanceId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE11111", // your Amazon Connect instance ID
"ContactId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE22222", // the ID of the contact
"LanguageCode": "en-US", // the language code of the contact
"EventType": "SEGMENTS",
"Segments": [
{
"Utterance": {
"Id": "7b48ca3d-73d3-443a-bf34-a9e8fcc01747",
"TranscriptId": "121d1581-905f-4169-9804-b841bb4df04a",
"ParticipantId": "AGENT",
"ParticipantRole": "AGENT",
"PartialContent": "Hello, thank you for calling Example Corp. My name is Adam.",
"BeginOffsetMillis": 19010,
"EndOffsetMillis": 22980
}
},
{
"Utterance": {
"Id": "75acb743-2154-486b-aaeb-c960ae290e88",
"TranscriptId": "121d1581-905f-4169-9804-b841bb4df04a",
"ParticipantId": "AGENT",
"ParticipantRole": "AGENT",
"PartialContent": "How can I help you?",
"BeginOffsetMillis": 23000,
"EndOffsetMillis": 24598
}
},
{
"Transcript": {
"Id": "121d1581-905f-4169-9804-b841bb4df04a",
"ParticipantId": "AGENT",
"ParticipantRole": "AGENT",
"Content": "Hello, thank you for calling Example Corp. My name is Adam. How can I help you?",
"BeginOffsetMillis": 19010,
"EndOffsetMillis": 24598,
"Sentiment": "NEUTRAL"
}
},
{
"Transcript": {
"Id": "4295e927-43aa-4447-bbfc-8fccc2027530",
"ParticipantId": "CUSTOMER",
"ParticipantRole": "CUSTOMER",
"Content": "I'm having trouble submitting the application, number AX876293 on the portal. I tried but couldn't connect to my POC on the portal. So, I'm calling on this toll free number",
"BeginOffsetMillis": 19010,
"EndOffsetMillis": 22690,
"Sentiment": "NEGATIVE",
"IssuesDetected": [
{
"CharacterOffsets": {
"BeginOffsetChar": 0,
"EndOffsetChar": 81
}
}
]
}
},
{
"Categories": {
"MatchedCategories": [
"CreditCardRelated",
"CardBrokenIssue"
],
"MatchedDetails": {
"CreditCardRelated": {
"PointsOfInterest": [
{
"BeginOffsetMillis": 19010,
"EndOffsetMillis": 22690
}
]
},
"CardBrokenIssue": {
"PointsOfInterest": [
{
"BeginOffsetMillis": 25000,
"EndOffsetMillis": 29690
}
]
}
}
}
},
{
"PostContactSummary": {
"Content": "Customer contacted Example Corp because of an issue with their application",
"Status": "COMPLETED"
}
}
]
}
```
## Beispiel für COMPLETED-Ereignis
+ EventType: ABGESCHLOSSEN
+ Wird am Ende der Konversationsanalyse-Sitzung veröffentlicht, wenn die Analyse erfolgreich abgeschlossen wurde
```
{
"Version": "1.0.0",
"Channel": "VOICE",
"AccountId": "123456789012", // your AWS account ID
"InstanceId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE11111", // your Amazon Connect instance ID
"ContactId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE22222", // the ID of the contact
"LanguageCode": "en-US", // the language code of the contact
"EventType": "COMPLETED"
}
```
## Beispiel für FAILED-Ereignis
+ EventType: FEHLGESCHLAGEN
+ Wird am Ende der Konversationsanalyse-Sitzung veröffentlicht, wenn die Analyse fehlgeschlagen ist
```
{
"Version": "1.0.0",
"Channel": "VOICE",
"AccountId": "123456789012", // your AWS account ID
"InstanceId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE11111", // your Amazon Connect instance ID
"ContactId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE22222", // the ID of the contact
"LanguageCode": "en-US", // the language code of the contact
"EventType": "FAILED"
}
```
# Beispielstreams für die Konversationsanalyse von Chats in Contact Lens
In diesem Thema finden Sie Beispiel-Segmentstreams für die Ereignisse STARTED, SEGMENTS, COMPLETED und FAILED, die bei einem Chat-Kontakt auftreten können.
## Beispiel für STARTED-Ereignis
+ EventType: GESTARTET
+ Wird zu Beginn der Konversationsanalyse-Sitzung veröffentlicht
```
{
"Version": "2.0.0",
"Channel": "CHAT",
"AccountId": "123456789012", // your AWS account ID
"InstanceId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE11111", // your Amazon Connect instance ID
"ContactId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE22222", // the ID of the contact
"StreamingEventType": "STARTED",
"StreamingSettings": {
"LanguageCode": "en-US", // the language code of the contact
"Output": "RedactedAndRaw",
"RedactionTypes": [
"PII"
],
"RedactionTypesMetadata": {
"PII": {
"RedactionMaskMode": "PII"
}
}
}
}
```
## Beispiel für SEGMENTS-Ereignis
+ EventType: [SEGMENTE](chat-real-time-contact-analysis-segment-streams-data-model.md#chat-segment-streams-data-model-segments-event)
+ Wird während einer Konversationsanalyse-Sitzung veröffentlicht. Dieses Ereignis enthält eine Liste von [RealtimeContactAnalysisSegment](https://docs.aws.amazon.com/connect/latest/APIReference/API_RealtimeContactAnalysisSegment.html)Objekten mit analysierten Informationen. Die Liste der Segmente kann Segmente `"Transcript"``"Categories"`,`"Issue"`,`"Event"`,`"Attachment"`, oder "PostContactSummary" enthalten.
```
{
"Version": "2.0.0",
"Channel": "CHAT",
"AccountId": "123456789012", // your AWS account ID
"InstanceId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE11111", // your Amazon Connect instance ID
"ContactId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE22222", // the ID of the contact
"OutputType": "Redacted",
"StreamingEventType": "SEGMENTS",
"StreamingSettings": {
"LanguageCode": "en-US", // the language code of the contact
"Output": "RedactedAndRaw",
"RedactionTypes": [
"PII"
],
"RedactionTypesMetadata": {
"PII": {
"RedactionMaskMode": "PII"
}
}
},
"Segments": [{
"Transcript": {
"Id": "07a2d668-5c9e-4f69-b2fe-986261b0743a",
"ParticipantId": "a309ac1e-ca87-44ca-bb5d-197eca8ed77a",
"ParticipantRole": "AGENT",
"DisplayName": "[PII]",
"Content": "Hello, thank you for contacting Example Corp. My name is Ray.",
"ContentType": "text/markdown",
"Time": {
"AbsoluteTime": "2024-03-14T19:39:26.715Z"
},
"Sentiment": "NEUTRAL"
}
}, {
"Categories": {
"MatchedDetails": {
"Hi": {
"PointsOfInterest": [{
"TranscriptItems": [{
"Id": "5205b050-8aa9-4645-a381-a308801649ab",
"CharacterOffsets": {
"BeginOffsetChar": 0,
"EndOffsetChar": 40
}
}]
}]
}
}
}
}, {
"Issues": {
"IssuesDetected": [{
"TranscriptItems": [{
"Content": "I have an issue with my bank account",
"Id": "0e5574a7-2aeb-4eab-8bb5-3a7f66a2284a",
"CharacterOffsets": {
"BeginOffsetChar": 7,
"EndOffsetChar": 43
}
}]
}]
}
}, {
"Attachments": {
"Id": "06ddc1eb-2302-4a8e-a73f-37687fe41aa9",
"ParticipantId": "7810b1de-cca8-4153-b522-2498416255af",
"ParticipantRole": "CUSTOMER",
"DisplayName": "Customer",
"Attachments": [{
"AttachmentName": "Lily.jpg",
"ContentType": "image/jpeg",
"AttachmentId": "343e34da-391a-4541-8b7e-3909d931fcfa",
"Status": "APPROVED"
}],
"Time": {
"AbsoluteTime": "2024-03-14T19:39:26.715Z"
}
}
}, {
"Event": {
"Id": "fbe61c5f-d0d8-4345-912a-4e81f5734d3b",
"ParticipantId": "7810b1de-cca8-4153-b522-2498416255af",
"ParticipantRole": "CUSTOMER",
"DisplayName": "Customer",
"EventType": "application/vnd.amazonaws.connect.event.participant.left",
"Time": {
"AbsoluteTime": "2024-03-14T19:40:00.614Z"
}
}
},
{
"PostContactSummary": {
"Content": "Customer contacted Example Corp because of an issue with their bank account",
"Status": "COMPLETED"
}
}]
}
```
## Beispiel für COMPLETED-Ereignis
+ EventType: ABGESCHLOSSEN
+ Wird am Ende der Konversationsanalyse-Sitzung veröffentlicht, wenn die Analyse erfolgreich abgeschlossen wurde
```
{
"Version": "2.0.0",
"Channel": "CHAT",
"AccountId": "123456789012", // your AWS account ID
"InstanceId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE11111", // your Amazon Connect instance ID
"ContactId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE22222", // the ID of the contact
"StreamingEventType": "COMPLETED",
"StreamingEventSettings": {
"LanguageCode": "en-US", // the language code of the contact
"Output": "RedactedAndRaw",
"RedactionTypes": ["PII"],
"RedactionTypesMetadata": {
"PII": {
"RedactionMaskMode": "PII"
}
}
}
}
```
## Beispiel für FAILED-Ereignis
+ EventType: FEHLGESCHLAGEN
+ Wird am Ende der Konversationsanalyse-Sitzung veröffentlicht, wenn die Analyse fehlgeschlagen ist
```
{
"Version": "2.0.0",
"Channel": "CHAT",
"AccountId": "123456789012", // your AWS account ID
"InstanceId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE11111", // your Amazon Connect instance ID
"ContactId": "a1b2c3d4-5678-90ab-cdef-EXAMPLE22222", // the ID of the contact
"StreamingEventType": "FAILED",
"StreamingEventSettings": {
"LanguageCode": "en-US",
"Output": "RedactedAndRaw",
"RedactionTypes": ["PII"],
"RedactionTypesMetadata": {
"PII": {
"RedactionMaskMode": "PII"
}
}
}
}
```
# Speicherorte von Ausgabedateien der Konversationsanalyse von Contact Lens
Im Folgenden finden Sie Beispiele dafür, wie der Pfad für Ausgabedateien der Konversationsanalyse von Contact Lens aussieht, wenn sie im Amazon-S3-Bucket für Ihre Instance gespeichert werden.
+ Ursprüngliche analysierte Transkriptdatei (JSON)
+ **/connect-instance- bucket/ Analysis/Voice /2020/02/04/ \$1analysis\$12020-02-04T 21:14:16 z.json** *contact's\$1ID*
+ /connect-instance- bucket/ **Analysis/Chat /2020/02/04/ \$1analysis\$12020-02-04T 21:14:16** z.json *contact's\$1ID*
+ /connect-instance- bucket/ **Analysis/E-Mail /2026/03/10/ \$1analysis\$120260310T 22:35** \$1UTC.json *contact's\$1ID*
+ Redigierte analysierte Transkriptdatei (JSON)
+ **/connect-instance- bucket/ /2020/02/04/ \$1 **Analysis/Voice/Redacted**analysis\$1redacted \$12020-02-04T *contact's\$1ID* 21:14:16 z.json**
+ /connect-instance- bucket/ **Analysis/Chat/Redacted**/2020/02/04/ *contact's\$1ID* \$1 **analysis\$1redacted** \$12020-02-04T 21:14:16 z.json
+ /connect-instance- bucket/ **Analysis/Email/Redacted**/2026/03/10/ *contact's\$1ID* \$1 **analysis\$1redacted** \$120260310T 22:35 \$1UTC.json
+ Redigierte Audiodatei
+ /connect-instance- bucket/ **Analysis/Voice/Redacted**/2020/02/04/ *contact's\$1ID* \$1 call\$1recording\$1redacted \$12020-02-04T 21:14:16 **Z.** **WAV**
**Wichtig**
Wenn Sie eine Aufzeichnung löschen möchten, müssen Sie die Dateien sowohl für die redigierten als auch für die nicht redigierten Aufzeichnungen löschen.
# Beispiel für Ausgabedateien der Konversationsanalyse von Contact Lens für einen Anruf
Die folgenden Abschnitte enthalten Beispiele für die Ausgabe, die zurückgegeben wird, wenn die Konversationsanalyse von Contact Lens Probleme erkennt, Kategorien zuordnet, die Lautstärke ermittelt, sensible Daten schwärzt und Analysen übersprungen hat.
Erweitern Sie jeden Abschnitt, um mehr zu erfahren.
## Beispiel für eine Originaldatei für einen Anruf, der mit der Konversationsanalyse von Contact Lens analysiert wurde
Das folgende Beispiel zeigt das Schema für einen Anruf, der mit der Konversationsanalyse von Contact Lens analysiert wurde. Das Beispiel zeigt die Lautstärke, die Problemerkennung, Anrufgründe und welche Informationen redigiert werden.
Beachten Sie im Hinblick auf die analysierte Datei Folgendes:
+ Es wird nicht angezeigt, welche sensiblen Daten redigiert wurden. Alle Daten werden als PII (persönlich identifizierbare Informationen) bezeichnet.
+ Jeder Sprecherabschnitt enthält nur dann einen `Redaction`-Abschnitt, wenn er persönlich identifizierbare Informationen enthält.
+ Wenn ein `Redaction`-Abschnitt vorhanden ist, enthält er den Versatz in Millisekunden. In einer WAV-Datei wird der redigierte Teil mit Stille ersetzt. Bei Bedarf können Sie diesen Versatz verwenden, um die Stille durch etwas anderes zu ersetzen, z. B. durch einen Signalton.
+ Wenn in einem Sprecherabschnitt nacheinander zwei oder mehr Redaktionen von persönlich identifizierbaren Informationen vorhanden sind, gilt der erste Versatz für die ersten persönlich identifizierbaren Informationen, der zweite Versatz für die zweiten persönlich identifizierbaren Informationen usw.
```
{
"Version": "1.1.0",
"AccountId": "your AWS account ID",
"Channel": "VOICE",
"ContentMetadata": {
"Output": "Raw"
},
"JobStatus": "COMPLETED",
"JobDetails": {
"SkippedAnalysis": [
{
"Feature": "CATEGORIZATION",
"ReasonCode": "QUOTA_EXCEEDED",
"SkippedEntities": [
{
"CategoryName": "PotentialFraud"
"RuleId": "a1130485-9529-4249-a1d4-5738b4883748"
},
{
"CategoryName": "Refund"
"RuleId": "bbbbbbb-9529-4249-a1d4-5738b4883748"
}
]
},
{
"Feature": "CATEGORIZATION",
"ReasonCode": "FAILED_SAFETY_GUIDELINES",
"SkippedEntities": [
{
"CategoryName": "ManagerEscalation"
"RuleId": "cccccccc-9529-4249-a1d4-5738b4883748"
},
]
},
]
},
"LanguageCode": "en-US",
"Participants": [
{
"ParticipantId": "CUSTOMER",
"ParticipantRole": "CUSTOMER"
},
{
"ParticipantId": "AGENT",
"ParticipantRole": "AGENT"
}
],
"Categories": {
"MatchedCategories": ["Cancellation"],
"MatchedDetails": {
"Cancellation": {
"PointsOfInterest": [
{
"BeginOffsetMillis": 7370,
"EndOffsetMillis": 11190
}
]
}
}
},
"ConversationCharacteristics": {
"ContactSummary": {
"PostContactSummary": {
"Content": "The customer and agent's conversation did not have any clear issues, outcomes or next steps. Agent verified customer information and finished the call."
}
},
"TotalConversationDurationMillis": 32110,
"Sentiment": {
"OverallSentiment": {
"AGENT": 0,
"CUSTOMER": 3.1
},
"SentimentByPeriod": {
"QUARTER": {
"AGENT": [
{
"BeginOffsetMillis": 0,
"EndOffsetMillis": 7427,
"Score": 0
},
{
"BeginOffsetMillis": 7427,
"EndOffsetMillis": 14855,
"Score": -5
},
{
"BeginOffsetMillis": 14855,
"EndOffsetMillis": 22282,
"Score": 0
},
{
"BeginOffsetMillis": 22282,
"EndOffsetMillis": 29710,
"Score": 5
}
],
"CUSTOMER": [
{
"BeginOffsetMillis": 0,
"EndOffsetMillis": 8027,
"Score": -2.5
},
{
"BeginOffsetMillis": 8027,
"EndOffsetMillis": 16055,
"Score": 5
},
{
"BeginOffsetMillis": 16055,
"EndOffsetMillis": 24082,
"Score": 5
},
{
"BeginOffsetMillis": 24082,
"EndOffsetMillis": 32110,
"Score": 5
}
]
}
}
},
"Interruptions": {
"InterruptionsByInterrupter": {
"CUSTOMER": [
{
"BeginOffsetMillis": 10710,
"DurationMillis": 3790,
"EndOffsetMillis": 14500
}
],
"AGENT": [
{
"BeginOffsetMillis": 10710,
"DurationMillis": 3790,
"EndOffsetMillis": 14500
}
]
},
"TotalCount": 2,
"TotalTimeMillis": 7580
},
"NonTalkTime": {
"TotalTimeMillis": 0,
"Instances": []
},
"TalkSpeed": {
"DetailsByParticipant": {
"AGENT": {
"AverageWordsPerMinute": 239
},
"CUSTOMER": {
"AverageWordsPerMinute": 163
}
}
},
"TalkTime": {
"TotalTimeMillis": 28698,
"DetailsByParticipant": {
"AGENT": {
"TotalTimeMillis": 15079
},
"CUSTOMER": {
"TotalTimeMillis": 13619
}
}
}
},
"CustomModels": [
{ // set via https://docs.aws.amazon.com/connect/latest/adminguide/add-custom-vocabulary.html
"Type": "TRANSCRIPTION_VOCABULARY",
"Name": "ProductNames",
"Id": "4e14b0db-f00a-451a-8847-f6dbf76ae415" // optional field
}
],
"Transcript": [
{
"BeginOffsetMillis": 0,
"Content": "Okay.",
"EndOffsetMillis": 90,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "NEUTRAL",
"LoudnessScore": [
79.27
]
},
{
"BeginOffsetMillis": 160,
"Content": "Just hello. My name is Peter and help.",
"EndOffsetMillis": 4640,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "NEUTRAL",
"LoudnessScore": [
66.56,
40.06,
85.27,
82.22,
77.66
],
"Redaction": {
"RedactedTimestamps": [
{
"BeginOffsetMillis": 3290,
"EndOffsetMillis": 3620
}
]
}
},
{
"BeginOffsetMillis": 4640,
"Content": "Hello. Peter, how can I help you?",
"EndOffsetMillis": 6610,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "NEUTRAL",
"LoudnessScore": [
70.23,
73.05,
71.8
],
"Redaction": {
"RedactedTimestamps": [
{
"BeginOffsetMillis": 5100,
"EndOffsetMillis": 5450
}
]
}
},
{
"BeginOffsetMillis": 7370,
"Content": "I need to cancel. I want to cancel my plan subscription.",
"EndOffsetMillis": 11190,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "NEGATIVE",
"LoudnessScore": [
77.18,
79.59,
85.23,
81.08,
73.99
],
"IssuesDetected": [
{
"CharacterOffsets": {
"BeginOffsetChar": 0,
"EndOffsetChar": 55
},
"Text": "I need to cancel. I want to cancel my plan subscription"
}
]
},
{
"BeginOffsetMillis": 11220,
"Content": "That sounds very bad. I can offer a 20% discount to make you stay with us.",
"EndOffsetMillis": 15210,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "NEGATIVE",
"LoudnessScore": [
75.92,
75.79,
80.31,
80.44,
76.31
]
},
{
"BeginOffsetMillis": 15840,
"Content": "That sounds interesting. Thank you accept.",
"EndOffsetMillis": 18120,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "POSITIVE",
"LoudnessScore": [
73.77,
79.17,
77.97,
79.29
]
},
{
"BeginOffsetMillis": 18310,
"Content": "Alright, I made all the changes to the account and now these discounts applied.",
"EndOffsetMillis": 21820,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "NEUTRAL",
"LoudnessScore": [
83.88,
86.75,
86.97,
86.11
],
"OutcomesDetected": [
{
"CharacterOffsets": {
"BeginOffsetChar": 9,
"EndOffsetChar": 77
},
"Text": "I made all the changes to the account and now these discounts applied"
}
]
},
{
"BeginOffsetMillis": 22610,
"Content": "Awesome. Thank you so much.",
"EndOffsetMillis": 24140,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "POSITIVE",
"LoudnessScore": [
79.11,
81.7,
78.15
]
},
{
"BeginOffsetMillis": 24120,
"Content": "No worries. I will send you all the details later today and call you back next week to check up on you.",
"EndOffsetMillis": 29710,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "POSITIVE",
"LoudnessScore": [
87.07,
83.96,
76.38,
88.38,
87.69,
76.6
],
"ActionItemsDetected": [
{
"CharacterOffsets": {
"BeginOffsetChar": 12,
"EndOffsetChar": 102
},
"Text": "I will send you all the details later today and call you back next week to check up on you"
}
]
},
{
"BeginOffsetMillis": 30580,
"Content": "Thank you. Sir. Have a nice evening.",
"EndOffsetMillis": 32110,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "POSITIVE",
"LoudnessScore": [
81.42,
82.29,
73.29
]
}
]
}
}
```
## Beispiel für eine redigierte Datei für einen Anruf, der mit der Konversationsanalyse von Contact Lens analysiert wurde
Dieser Abschnitt zeigt ein Beispiel für eine redigierte Datei für einen Anruf, der mit der Konversationsanalyse von Contact Lens analysiert wurde. Sie entspricht weitgehend der analysierten Originaldatei. Der einzige Unterschied besteht darin, dass sensible Daten redigiert wurden. In diesem Beispiel wurden drei Entitäten für die Redaktion ausgewählt: `CREDIT_DEBIT_NUMBER`, `NAME`, `USERNAME`.
In diesem Beispiel ist `RedactionMaskMode` auf PII festgelegt. Wenn eine Entität redigiert wird, ersetzt Contact Lens sie mit `[PII]`. Wenn es auf `ENTITY_TYPE` gesetzt wäre, würde Contact Lens die Daten durch den Namen der Entität ersetzen, zum Beispiel `[CREDIT_DEBIT_NUMBER]`.
```
{
"Version": "1.1.0",
"AccountId": "your AWS account ID",
"ContentMetadata": {
"Output": "Redacted",
"RedactionTypes": ["PII"],
"RedactionTypesMetadata": {
"PII": {
"RedactionEntitiesRequested": ["CREDIT_DEBIT_NUMBER", "NAME", "USERNAME"],
"RedactionMaskMode": "PII" // if you were to choose ENTITY_TYPE instead, the redaction would say, for example, [NAME]
}
}
},
"Channel": "VOICE",
"JobStatus": "COMPLETED",
"JobDetails": {
"SkippedAnalysis": [
{
"Feature": "CATEGORIZATION",
"ReasonCode": "QUOTA_EXCEEDED",
"SkippedEntities": [
{
"CategoryName": "PotentialFraud"
"RuleId": "a1130485-9529-4249-a1d4-5738b4883748"
},
{
"CategoryName": "Refund"
"RuleId": "bbbbbbb-9529-4249-a1d4-5738b4883748"
}
]
},
{
"Feature": "CATEGORIZATION",
"ReasonCode": "FAILED_SAFETY_GUIDELINES",
"SkippedEntities": [
{
"CategoryName": "ManagerEscalation"
"RuleId": "cccccccc-9529-4249-a1d4-5738b4883748"
},
]
},
]
},
"LanguageCode": "en-US",
"Participants": [
{
"ParticipantId": "CUSTOMER",
"ParticipantRole": "CUSTOMER"
},
{
"ParticipantId": "AGENT",
"ParticipantRole": "AGENT"
}
],
"Categories": {
"MatchedCategories": ["Cancellation"],
"MatchedDetails": {
"Cancellation": {
"PointsOfInterest": [
{
"BeginOffsetMillis": 7370,
"EndOffsetMillis": 11190
}
]
}
}
},
"ConversationCharacteristics": {
"ContactSummary": {
"PostContactSummary": {
"Content": "The customer and agent's conversation did not have any clear issues, outcomes or next steps. Agent verified customer information and finished the call."
}
},
"TotalConversationDurationMillis": 32110,
"Sentiment": {
"OverallSentiment": {
"AGENT": 0,
"CUSTOMER": 3.1
},
"SentimentByPeriod": {
"QUARTER": {
"AGENT": [
{
"BeginOffsetMillis": 0,
"EndOffsetMillis": 7427,
"Score": 0
},
{
"BeginOffsetMillis": 7427,
"EndOffsetMillis": 14855,
"Score": -5
},
{
"BeginOffsetMillis": 14855,
"EndOffsetMillis": 22282,
"Score": 0
},
{
"BeginOffsetMillis": 22282,
"EndOffsetMillis": 29710,
"Score": 5
}
],
"CUSTOMER": [
{
"BeginOffsetMillis": 0,
"EndOffsetMillis": 8027,
"Score": -2.5
},
{
"BeginOffsetMillis": 8027,
"EndOffsetMillis": 16055,
"Score": 5
},
{
"BeginOffsetMillis": 16055,
"EndOffsetMillis": 24082,
"Score": 5
},
{
"BeginOffsetMillis": 24082,
"EndOffsetMillis": 32110,
"Score": 5
}
]
}
}
},
"Interruptions": {
"InterruptionsByInterrupter": {
"CUSTOMER": [
{
"BeginOffsetMillis": 10710,
"DurationMillis": 3790,
"EndOffsetMillis": 14500
}
],
"AGENT": [
{
"BeginOffsetMillis": 10710,
"DurationMillis": 3790,
"EndOffsetMillis": 14500
}
]
},
"TotalCount": 2,
"TotalTimeMillis": 7580
},
"NonTalkTime": {
"TotalTimeMillis": 0,
"Instances": []
},
"TalkSpeed": {
"DetailsByParticipant": {
"AGENT": {
"AverageWordsPerMinute": 239
},
"CUSTOMER": {
"AverageWordsPerMinute": 163
}
}
},
"TalkTime": {
"TotalTimeMillis": 28698,
"DetailsByParticipant": {
"AGENT": {
"TotalTimeMillis": 15079
},
"CUSTOMER": {
"TotalTimeMillis": 13619
}
}
}
},
"CustomModels": [
{ // set via https://docs.aws.amazon.com/connect/latest/adminguide/add-custom-vocabulary.html
"Type": "TRANSCRIPTION_VOCABULARY",
"Name": " LNK POPProductNames",
"Id": "4e14b0db-f00a-451a-8847-f6dbf76ae415" // optional field
}
],
"Transcript": [
{
"BeginOffsetMillis": 0,
"Content": "Okay.",
"EndOffsetMillis": 90,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "NEUTRAL",
"LoudnessScore": [
79.27
]
},
{
"BeginOffsetMillis": 160,
"Content": "Just hello. My name is [PII] and help.",
"EndOffsetMillis": 4640,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "NEUTRAL",
"LoudnessScore": [
66.56,
40.06,
85.27,
82.22,
77.66
],
"Redaction": {
"RedactedTimestamps": [
{
"BeginOffsetMillis": 3290,
"EndOffsetMillis": 3620
}
]
}
},
{
"BeginOffsetMillis": 4640,
"Content": "Hello. [PII], how can I help you?",
"EndOffsetMillis": 6610,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "NEUTRAL",
"LoudnessScore": [
70.23,
73.05,
71.8
],
"Redaction": {
"RedactedTimestamps": [
{
"BeginOffsetMillis": 5100,
"EndOffsetMillis": 5450
}
]
}
},
{
"BeginOffsetMillis": 7370,
"Content": "I need to cancel. I want to cancel my plan subscription.",
"EndOffsetMillis": 11190,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "NEGATIVE",
"LoudnessScore": [
77.18,
79.59,
85.23,
81.08,
73.99
],
"IssuesDetected": [
{
"CharacterOffsets": {
"BeginOffsetChar": 0,
"EndOffsetChar": 55
},
"Text": "I need to cancel. I want to cancel my plan subscription"
}
]
},
{
"BeginOffsetMillis": 11220,
"Content": "That sounds very bad. I can offer a 20% discount to make you stay with us.",
"EndOffsetMillis": 15210,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "NEGATIVE",
"LoudnessScore": [
75.92,
75.79,
80.31,
80.44,
76.31
]
},
{
"BeginOffsetMillis": 15840,
"Content": "That sounds interesting. Thank you accept.",
"EndOffsetMillis": 18120,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "POSITIVE",
"LoudnessScore": [
73.77,
79.17,
77.97,
79.29
]
},
{
"BeginOffsetMillis": 18310,
"Content": "Alright, I made all the changes to the account and now these discounts applied.",
"EndOffsetMillis": 21820,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "NEUTRAL",
"LoudnessScore": [
83.88,
86.75,
86.97,
86.11
],
"OutcomesDetected": [
{
"CharacterOffsets": {
"BeginOffsetChar": 9,
"EndOffsetChar": 77
},
"Text": "I made all the changes to the account and now these discounts applied"
}
]
},
{
"BeginOffsetMillis": 22610,
"Content": "Awesome. Thank you so much.",
"EndOffsetMillis": 24140,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "POSITIVE",
"LoudnessScore": [
79.11,
81.7,
78.15
]
},
{
"BeginOffsetMillis": 24120,
"Content": "No worries. I will send you all the details later today and call you back next week to check up on you.",
"EndOffsetMillis": 29710,
"Id": "the ID of the turn",
"ParticipantId": "AGENT",
"Sentiment": "POSITIVE",
"LoudnessScore": [
87.07,
83.96,
76.38,
88.38,
87.69,
76.6
],
"ActionItemsDetected": [
{
"CharacterOffsets": {
"BeginOffsetChar": 12,
"EndOffsetChar": 102
},
"Text": "I will send you all the details later today and call you back next week to check up on you"
}
]
},
{
"BeginOffsetMillis": 30580,
"Content": "Thank you. Sir. Have a nice evening.",
"EndOffsetMillis": 32110,
"Id": "the ID of the turn",
"ParticipantId": "CUSTOMER",
"Sentiment": "POSITIVE",
"LoudnessScore": [
81.42,
82.29,
73.29
]
}
]
}
```
# Beispiel für Ausgabedateien von Contact Lens für einen Chat, der mit der Konversationsanalyse von Contact Lens analysiert wurde
Dieser Abschnitt zeigt ein Beispielschema für eine Chat-Konversation, die mit der Konversationsanalyse von Contact Lens analysiert wurde. Das Beispiel zeigt die abgeleitete Stimmung, übereinstimmende Kategorien, die Kontaktzusammenfassung und die Reaktionszeit.
Die analysierte Originaldatei enthält das vollständige Chat-Transkript. Derselbe Inhalt, der im Chat-Feld **Transkript** auf der Seite **Kontaktdaten** enthalten ist, befindet sich auch im Feld `Transcript` in der ursprünglichen Analysedatei von Contact Lens. Darüber hinaus kann die analysierte Datei weitere Felder enthalten, z. B. einen `Redaction`-Abschnitt, der darauf hinweist, dass die redigierte Analysedatei redigierte Daten enthält.
**Anmerkung**
Einige `ConversationCharacteristics` enthalten `DetailsByParticipantRole`-Zuordnungen mit den Rollen der Teilnehmer als Schlüssel. Es ist jedoch nicht garantiert, dass alle Rollen auf der `Participants`-Liste (wie `CUSTOMER` oder `AGENT`) entsprechende Schlüssel in den `DetailsByParticipantRole`-Objekten haben. Gibt an, ob ein Schlüssel für einen Teilnehmer vorhanden ist, hängt davon ab, ob geeignete Daten für die Analyse in Contact Lens vorhanden waren.
## Kategorien
`PointsOfInterest` unterscheiden sich bei den Kategorien für die Phase nach dem Chat und nach dem Anruf:
+ Für `PointsOfInterest` in der Phase nach dem Anruf wird der Versatz in Millisekunden angegeben.
+ `PointsOfInterest` in der Phase nach dem Chat haben ein Array von `CharacterOffset`. Jedes dieser Elemente verfügt über eine `TranscriptItems` und einen `id`.
Es gibt ein Array von `PointsOfInterest`. Jedes Array hat ein Array von `TranscriptItems`: jeder `PointOfInterest` ist für eine Kategorieübereinstimmung, aber jede Übereinstimmung kann sich über mehrere Transkriptelemente erstrecken.
Das Array `PointsOfInterest` kann sowohl für Anrufe als auch für Chats leer sein. Das bedeutet, dass die Kategorieübereinstimmung für den gesamten Kontakt geprüft wird. Wenn Sie beispielsweise eine Regel erstellen, die eine Übereinstimmung mit der Kategorie feststellt, wenn `Hello` im Kontakt nicht erwähnt wird, gibt es keinen Teil im Transkript, der für diese Bedingung bestimmt werden könnte.
**Anmerkung**
Derzeit wird die Kategorie nur für Chat-Nachrichten mit `text/plain` und `text/markdown` abgeleitet.
## Wichtigste Highlights
Die **wichtigsten Highlights** befinden sich im Array `ConversationCharacteristics.ContactSummary.SummaryItemsDetected`. Dieses Array kann nicht mehr als ein Element enthalten, was verdeutlicht, dass nur ein Satz an `Issue`-, – `Outcome`und `Action`-Elementen gefunden werden kann.
Jedes Objekt im Array hat die folgenden Felder: `IssuesDetected`, `OutcomesDetected`, `ActionItemsDetected`.
Jedes der Felder hat ein Array an `TranscriptItems` mit `Id` und `CharacterOffsets`. Sie beschreiben `TranscriptItems` und bestimmte Teile, von denen festgestellt wurde, dass sie diese Kontaktzusammenfassung enthalten: Problem, Ergebnis oder Aktionselement.
**Anmerkung**
Derzeit werden wichtige Highlights nur für `text/plain`-Chat-Nachrichten abgeleitet.
## Stimmung
### Allgemeine Stimmung
Der Stimmungswert für das Feld `DetailsByParticipantRole` für Kontaktteilnehmer ähnelt der Sprachanalysedatei von Contact Lens.
Das Feld `DetailsByInteraction` enthält einen `CUSTOMER`-Stimmungswert für Teile der Chat-Interaktion, jeweils `WithAgent` und `WithoutAgent`. Wenn es in diesen Teilen der Interaktion keine Kundennachrichten gab, fehlt das entsprechende Feld.
**Anmerkung**
Derzeit wird die Stimmung nur für Chat-Nachrichten mit `text/plain` und `text/markdown` abgeleitet.
### Stimmungsverschiebung
Das Feld `DetailsByParticipantRole` enthält ein Objekt, das die Stimmungsverschiebung für Kontaktteilnehmer (also `AGENT`, `CUSTOMER`) beschreibt: `BeginScore` und `EndScore`.
Das Feld enthält eine `CUSTOMER`-Stimmungsverschiebung für Teile der Chat-Interaktion, jeweils `WithAgent` und `WithoutAgent`. Wenn es in diesen Teilen der Interaktion keine Kundennachrichten gab, fehlt das entsprechende Feld.
Die Stimmungsverschiebung liefert Informationen darüber, wie sich die Stimmung der Teilnehmer während der Chat-Interaktion verändert hat.
## Reaktionszeit
`AgentGreetingTimeMillis` misst die Zeit zwischen dem Zeitpunkt, zu dem der/die `AGENT` dem Chat beitritt, und dem Zeitpunkt, zu dem er/sie seine/ihre erste Nachricht an den/die Kund:in beendet hat.
`DetailsByParticipantRole` weist für alle Teilnehmer folgende Merkmale auf:
+ `Average`: Wie lang ist die durchschnittliche Reaktionszeit eines/einer Teilnehmer:in?
+ `Maximum`: Wie lang ist die längste Reaktionszeit eines/einer Teilnehmer:in? Wenn es mehrere Transkriptelemente mit derselben maximalen Reaktionszeit gibt: Welche sind das?
Um die – `Maximum`und `Average`-Reaktionszeit für einen/eine bestimmten/bestimmte Teilnehmer:in zu berechnen, muss dieser/diese auf die Nachricht eines/einer anderen Teilnehmer:in reagieren (`AGENT` muss `CUSTOMER` antworten oder umgekehrt).
Wenn es beispielsweise nur eine Nachricht vom `CUSTOMER` und dann nur eine Nachricht vom `AGENT` vor dem Ende des Chats gab, berechnet Contact Lens eine Reaktionszeit für den `AGENT`, aber nicht den `CUSTOMER`.
**Anmerkung**
Derzeit wird die Reaktionszeit nur für Chat-Nachrichten mit ` text/plain` und `text/markdown` abgeleitet.
## Redaktion
Beachten Sie im Hinblick auf die ursprüngliche Analysedatei für Chats Folgendes:
+ Das Transkriptelement enthält nur dann einen `Redaction`-Abschnitt, wenn es Daten gibt, die redigiert werden müssen. Der Abschnitt enthält Zeichenversätze für die Daten, die in der redigierten Analysedatei redigiert wurden.
+ Wenn zwei oder mehr Teile einer Nachricht redigiert werden, gilt der erste Versatz für den ersten redigierten Teil, der zweite Versatz gilt für den zweiten redigierten Teil usw.
`DisplayNames` für `AGENT` und `CUSTOMER` werden redigiert, weil sie persönlich identifizierbare Informationen enthalten. Dies gilt auch für den `AttachmentName`.
Für `CharacterOffsets` werden Redaktionsänderungen der `Content`-Länge in der redigierten Analysedatei berücksichtigt. `CharacterOffsets`beschreiben redigierte Inhalte, nicht Originalinhalte.
## Beispiel für eine Original-Chat-Datei
```
{
"AccountId": "123456789012",
"Categories": {
"MatchedCategories": [
"agent-intro"
],
"MatchedDetails": {
"agent-intro": {
"PointsOfInterest": [
{
"TranscriptItems": [
{
"CharacterOffsets": {
"BeginOffsetChar": 0,
"EndOffsetChar": 73
},
"Id": "e4949dd1-aaa1-4fbd-84e7-65c95b2d3d9a"
}
]
}
]
}
}
},
"Channel": "CHAT",
"ChatTranscriptVersion": "2019-08-26",
"ContentMetadata": {
"Output": "Raw"
},
"ConversationCharacteristics": {
"ContactSummary": {
"PostContactSummary": {
"Content": "The customer and agent's conversation did not have any clear issues, outcomes or next steps. Agent verified customer information and finished the call."
}
},
"SummaryItemsDetected": [
{
"ActionItemsDetected": [],
"IssuesDetected": [
{
"TranscriptItems": [
{
"CharacterOffsets": {
"BeginOffsetChar": 72,
"EndOffsetChar": 244
},
"Id": "2b8ba020-53ee-4053-b5b7-35364ac1c7df"
}
]
}
]
"OutcomesDetected": [
{
"TranscriptItems": [
{
"CharacterOffsets": {
"BeginOffsetChar": 0,
"EndOffsetChar": 150
},
"Id": "72cc8c8d-2199-422a-b363-01d6d3fdc851"
}
]
}
]
}
],
"ResponseTime": {
"AgentGreetingTimeMillis": 2511,
"DetailsByParticipantRole": {
"AGENT": {
"Average": {
"ValueMillis": 5575
},
"Maximum": {
"TranscriptItems": [
{
"Id": "21acf0fc-7259-4a08-b4cd-688eb56587d3"
}
],
"ValueMillis": 7309
}
},
"CUSTOMER": {
"Average": {
"ValueMillis": 5875
},
"Maximum": {
"TranscriptItems": [
{
"Id": "c71ad383-f876-4bb3-b254-7837b6a3d395"
}
],
"ValueMillis": 11366
}
}
}
},
"Sentiment": {
"DetailsByTranscriptItemGroup": [
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "e4949dd1-aaa1-4fbd-84e7-65c95b2d3d9a"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "3673d926-6e75-4620-a6f0-7ea571790a15"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "46d37141-32d8-4f2e-a664-bcd3f34a68b3"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "3c4a2a1e-6790-46a6-8ad4-4a0980b04795"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "f9cd41b6-3f68-4e83-a47d-664395f324c0"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "21acf0fc-7259-4a08-b4cd-688eb56587d3"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "2b8ba020-53ee-4053-b5b7-35364ac1c7df"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "28d0a1ce-64d1-4625-bbef-4cfeb97b6742"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "ef9b8622-32d5-4cfd-9ccc-a242502267bc"
},
{
"Id": "03a9de67-f9e1-4884-a1a3-ecea78a4ce9e"
},
{
"Id": "cfee5ece-a671-4a11-9ec2-89aba4b7d688"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "72cc8c8d-2199-422a-b363-01d6d3fdc851"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "61bb2591-fe87-44e4-bba0-a3619c4cef1f"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "1761f27e-0989-4b6d-a046-fc03d2c6bc9c"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 3.3333333333333335,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "8cdff161-dc25-44e6-986f-fc0e08ee0a7d"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": -1.6666666666666667,
"Sentiment": "NEGATIVE",
"TranscriptItems": [
{
"Id": "bcc51949-3a79-4398-be1b-a27345a8a8ad"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": -3.75,
"Sentiment": "NEGATIVE",
"TranscriptItems": [
{
"Id": "7d5c07d7-3d26-4b34-ae91-39aeaeef685c"
},
{
"Id": "e0efbd17-9139-439b-8c80-ebf2b9b703b9"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": -3.75,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "8fbb8dd4-9fd4-4991-83dc-5f06eeead9aa"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": -2.5,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "3b856fd9-0eeb-4fb2-93ed-95ec4aeae3a6"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "ecb8c498-96d7-448b-8360-366eeddb4090"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "d334058f-e3de-4cf1-a361-32e4e61f1839"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "3ec6adb5-3f11-409c-af39-40cf7ba6f078"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "c71ad383-f876-4bb3-b254-7837b6a3d395"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "4b292b64-4a33-45ff-89df-d5a175d16d70"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "2da5a3c2-9d1b-458c-ae53-759a4e63198d"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "e23a2331-f3fc-4d3c-8a51-1541451186c9"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 3.75,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "5a27cc39-9b73-4ebe-9275-5e6723788a1b"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 3.75,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "540368c7-ec19-4fc0-8c86-0a5ee62d31a0"
}
]
}
],
"OverallSentiment": {
"DetailsByInteraction": {
"DetailsByParticipantRole": {
"CUSTOMER": {
"WithAgent": 0
}
}
},
"DetailsByParticipantRole": {
"AGENT": 1.1538461538461537,
"CUSTOMER": 0
}
},
"SentimentShift": {
"DetailsByInteraction": {
"DetailsByParticipantRole": {
"CUSTOMER": {
"WithAgent": {
"BeginScore": -3,
"EndScore": 3.75
}
}
}
},
"DetailsByParticipantRole": {
"AGENT": {
"BeginScore": 0,
"EndScore": 2.5
},
"CUSTOMER": {
"BeginScore": -3.75,
"EndScore": 3.75
},
"SYSTEM": {
"BeginScore": 2.5,
"EndScore": 0
}
}
}
}
},
"CustomerMetadata": {
"ContactId": "b49644f6-672f-445c-b209-f76b36482830",
"InputS3Uri": "path to the json file in s3",
"InstanceId": "f23fc323-3d6d-48aa-95dc-EXAMPLE012"
},
"JobStatus": "COMPLETED",
"LanguageCode": "en-US",
"Participants": [
{
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER"
},
{
"ParticipantId": "2b2288b4-ff6e-4996-8d8e-260fd5a8ac02",
"ParticipantRole": "SYSTEM"
},
{
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT"
}
],
"Transcript": [
{
"AbsoluteTime": "2022-10-27T03:31:50.735Z",
"ContentType": "application/vnd.amazonaws.connect.event.participant.joined",
"DisplayName": "John",
"Id": "740c494d-9df7-4400-91c0-3e4df33922c8",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "EVENT"
},
{
"AbsoluteTime": "2022-10-27T03:31:53.390Z",
"Content": "Hello, thanks for contacting us. This is an example of what the Amazon Connect virtual contact center can enable you to do.",
"ContentType": "text/plain",
"DisplayName": "SYSTEM_MESSAGE",
"Id": "78aa8229-714a-4c87-916b-ce7d8d567ab2",
"ParticipantId": "2b2288b4-ff6e-4996-8d8e-260fd5a8ac02",
"ParticipantRole": "SYSTEM",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:31:55.131Z",
"Content": "The time in queue is less than 5 minutes.",
"ContentType": "text/plain",
"DisplayName": "SYSTEM_MESSAGE",
"Id": "1276382b-facb-49c5-8d34-62e3b0f50002",
"ParticipantId": "2b2288b4-ff6e-4996-8d8e-260fd5a8ac02",
"ParticipantRole": "SYSTEM",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:31:56.618Z",
"Content": "You are now being placed in queue to chat with an agent.",
"ContentType": "text/plain",
"DisplayName": "SYSTEM_MESSAGE",
"Id": "88c2363e-8206-4781-a353-c15e1ccacc12",
"ParticipantId": "2b2288b4-ff6e-4996-8d8e-260fd5a8ac02",
"ParticipantRole": "SYSTEM",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:00.951Z",
"ContentType": "application/vnd.amazonaws.connect.event.participant.joined",
"DisplayName": "Jane",
"Id": "c05cca74-d50b-4aa5-b46c-fdb5ae8c814c",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "EVENT"
},
{
"AbsoluteTime": "2022-10-27T03:32:03.462Z",
"Content": "Hello, thanks for reaching Example Corp. This is Jane. How may I help you?",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "e4949dd1-aaa1-4fbd-84e7-65c95b2d3d9a",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 46,
"EndOffsetChar": 53
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:08.102Z",
"Content": "I'd like to see if I can get a refund or an exchange, because I ordered one of your grow-it-yourself indoor herb garden kits and nothing sprouted after a couple weeks so I think something is wrong with the seeds and this product may be defective.",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "bcc51949-3a79-4398-be1b-a27345a8a8ad",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:14.137Z",
"Content": "My wife is blind and sensitive to the sun so I was going to surprise her for her birthday with all the herbs that she loves so you guys actually really let me down.",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "7d5c07d7-3d26-4b34-ae91-39aeaeef685c",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:18.781Z",
"Content": "I should be taking my business elsewhere. I don't see why I should be giving money to a company that isn't even going to sell a product that works.",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "e0efbd17-9139-439b-8c80-ebf2b9b703b9",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:24.123Z",
"Content": "Ok. Can I get your first and last name please?",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "3673d926-6e75-4620-a6f0-7ea571790a15",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:29.879Z",
"Content": "Yeah. My first name is John and last name is Doe.",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "8fbb8dd4-9fd4-4991-83dc-5f06eeead9aa",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 21,
"EndOffsetChar": 26
},
{
"BeginOffsetChar": 44,
"EndOffsetChar": 49
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:34.670Z",
"Content": "Could you please provide me with the order ID number?",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "46d37141-32d8-4f2e-a664-bcd3f34a68b3",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:39.726Z",
"Content": "Yes, just . Looking ...",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "3b856fd9-0eeb-4fb2-93ed-95ec4aeae3a6",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:44.887Z",
"Content": "Not a problem, take your time.",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "3c4a2a1e-6790-46a6-8ad4-4a0980b04795",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:52.978Z",
"Content": "Okay, that should be #5376897. You know, if the product was fine I wouldn't have to scrounge through emails.",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "ecb8c498-96d7-448b-8360-366eeddb4090",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:59.441Z",
"Content": "alright, perfect. And could you also just confirm the shipping address for me?",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "f9cd41b6-3f68-4e83-a47d-664395f324c0",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 77,
"EndOffsetChar": 78
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:05.455Z",
"Content": "123 Any Street, Any Town, and the zip code is 98109.",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "d334058f-e3de-4cf1-a361-32e4e61f1839",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 0,
"EndOffsetChar": 27
},
{
"BeginOffsetChar": 49,
"EndOffsetChar": 54
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:12.764Z",
"Content": "Thank you very much. Just waiting on my system here. .. I'll also need the last four digits of your debit card.",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "21acf0fc-7259-4a08-b4cd-688eb56587d3",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:17.412Z",
"Content": "Ok. Last four for my debit care are 9008",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "3ec6adb5-3f11-409c-af39-40cf7ba6f078",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 27,
"EndOffsetChar": 31
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:22.486Z",
"Content": "It's just too bad. I thought this was going to be the best gift idea. How can you guys be sending out defective seeds? Isn't that your whole business?",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "2b8ba020-53ee-4053-b5b7-35364ac1c7df",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:38.961Z",
"Content": "I apologize for the experience you had Mr. Doe, its very uncommon that our customer will have this issue. We will look into this and get this sorted out for you right away.",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "28d0a1ce-64d1-4625-bbef-4cfeb97b6742",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 41,
"EndOffsetChar": 46
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:44.192Z",
"Content": "Well, my wife's birthday already passed, so. There's not too much you can do. But I would still like to grow the herbs for her, if possible.",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "4b292b64-4a33-45ff-89df-d5a175d16d70",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:51.310Z",
"Content": "Totally understandable. Let me see what we can do for you. Please give me couple of minutes as I check the system.",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "ef9b8622-32d5-4cfd-9ccc-a242502267bc",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:56.287Z",
"Content": "Thank you sir one moment please.",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "03a9de67-f9e1-4884-a1a3-ecea78a4ce9e",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:01.224Z",
"Content": "Alright are you still there Mr Doe?",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "cfee5ece-a671-4a11-9ec2-89aba4b7d688",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 30,
"EndOffsetChar": 35
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:07.093Z",
"Content": "Yeah.",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "2da5a3c2-9d1b-458c-ae53-759a4e63198d",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:12.562Z",
"Content": "We are not only refunding the cost of the grow-it-yourself indoor herb kit but we will also be sending you a replacement. Would you be okay with this?",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "72cc8c8d-2199-422a-b363-01d6d3fdc851",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:17.029Z",
"Content": "Yeah! That would be great. I just want my wife to be able to have these herbs in her room. And I'm always happy to get my money back!",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "e23a2331-f3fc-4d3c-8a51-1541451186c9",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:22.269Z",
"Content": "Awesome! We really want to keep our customers happy and satisfied, and again I want to apologize for your less than satisfactory experience with the last product you ordered from us.",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "61bb2591-fe87-44e4-bba0-a3619c4cef1f",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:26.353Z",
"Content": "Okay! No problem. Sounds great. Thank you for all your help!",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "5a27cc39-9b73-4ebe-9275-5e6723788a1b",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:31.431Z",
"Content": "Is there anything else I can help you out with John?",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "1761f27e-0989-4b6d-a046-fc03d2c6bc9c",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 48,
"EndOffsetChar": 53
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:36.704Z",
"Content": "Nope!",
"ContentType": "text/markdown",
"DisplayName": "John",
"Id": "540368c7-ec19-4fc0-8c86-0a5ee62d31a0",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:41.448Z",
"Content": "Ok great! Have a great day.",
"ContentType": "text/markdown",
"DisplayName": "Jane",
"Id": "8cdff161-dc25-44e6-986f-fc0e08ee0a7d",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:42.799Z",
"ContentType": "application/vnd.amazonaws.connect.event.participant.left",
"DisplayName": "John",
"Id": "d1ba54ba-61d4-4a48-9a9a-6cd17d70b8fb",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "EVENT"
},
{
"AbsoluteTime": "2022-10-27T03:34:43.192Z",
"ContentType": "application/vnd.amazonaws.connect.event.chat.ended",
"Id": "2d9a0e4f-faec-485f-97af-2767dde1f30a",
"Type": "EVENT"
}
],
"Version": "CHAT-2022-11-30"
}
```
## Beispiel für eine redigierte Chat-Datei
```
{
"AccountId": "123456789012",
"Categories": {
"MatchedCategories": [
"agent-intro"
],
"MatchedDetails": {
"agent-intro": {
"PointsOfInterest": [
{
"TranscriptItems": [
{
"CharacterOffsets": {
"BeginOffsetChar": 0,
"EndOffsetChar": 71
},
"Id": "e4949dd1-aaa1-4fbd-84e7-65c95b2d3d9a"
}
]
}
]
}
}
},
"Channel": "CHAT",
"ChatTranscriptVersion": "2019-08-26",
"ContentMetadata": {
"Output": "Redacted",
"RedactionTypes": [
"PII"
],
"RedactionTypesMetadata": {
"PII": {
"RedactionMaskMode": "PII"
}
}
},
"ConversationCharacteristics": {
"ContactSummary": {
"SummaryItemsDetected": [
{
"ActionItemsDetected": [],
"IssuesDetected": [
{
"TranscriptItems": [
{
"CharacterOffsets": {
"BeginOffsetChar": 72,
"EndOffsetChar": 244
},
"Id": "2b8ba020-53ee-4053-b5b7-35364ac1c7df"
}
]
}
],
"OutcomesDetected": [
{
"TranscriptItems": [
{
"CharacterOffsets": {
"BeginOffsetChar": 0,
"EndOffsetChar": 150
},
"Id": "72cc8c8d-2199-422a-b363-01d6d3fdc851"
}
]
}
]
}
]
"ContactSummary": {
"PostContactSummary": {
"Content": "The customer and agent's conversation did not have any clear issues, outcomes or next steps. Agent verified customer information and finished the call."
}
}
],
},
"ResponseTime": {
"AgentGreetingTimeMillis": 2511,
"DetailsByParticipantRole": {
"AGENT": {
"Average": {
"ValueMillis": 5575
},
"Maximum": {
"TranscriptItems": [
{
"Id": "21acf0fc-7259-4a08-b4cd-688eb56587d3"
}
],
"ValueMillis": 7309
}
},
"CUSTOMER": {
"Average": {
"ValueMillis": 5875
},
"Maximum": {
"TranscriptItems": [
{
"Id": "c71ad383-f876-4bb3-b254-7837b6a3d395"
}
],
"ValueMillis": 11366
}
}
}
},
"Sentiment": {
"DetailsByTranscriptItemGroup": [
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "e4949dd1-aaa1-4fbd-84e7-65c95b2d3d9a"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "3673d926-6e75-4620-a6f0-7ea571790a15"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "46d37141-32d8-4f2e-a664-bcd3f34a68b3"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "3c4a2a1e-6790-46a6-8ad4-4a0980b04795"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "f9cd41b6-3f68-4e83-a47d-664395f324c0"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "21acf0fc-7259-4a08-b4cd-688eb56587d3"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "2b8ba020-53ee-4053-b5b7-35364ac1c7df"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "28d0a1ce-64d1-4625-bbef-4cfeb97b6742"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "ef9b8622-32d5-4cfd-9ccc-a242502267bc"
},
{
"Id": "03a9de67-f9e1-4884-a1a3-ecea78a4ce9e"
},
{
"Id": "cfee5ece-a671-4a11-9ec2-89aba4b7d688"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "72cc8c8d-2199-422a-b363-01d6d3fdc851"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "61bb2591-fe87-44e4-bba0-a3619c4cef1f"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "1761f27e-0989-4b6d-a046-fc03d2c6bc9c"
}
]
},
{
"ParticipantRole": "AGENT",
"ProgressiveScore": 3.3333333333333335,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "8cdff161-dc25-44e6-986f-fc0e08ee0a7d"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": -1.6666666666666667,
"Sentiment": "NEGATIVE",
"TranscriptItems": [
{
"Id": "bcc51949-3a79-4398-be1b-a27345a8a8ad"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": -3.75,
"Sentiment": "NEGATIVE",
"TranscriptItems": [
{
"Id": "7d5c07d7-3d26-4b34-ae91-39aeaeef685c"
},
{
"Id": "e0efbd17-9139-439b-8c80-ebf2b9b703b9"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": -3.75,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "8fbb8dd4-9fd4-4991-83dc-5f06eeead9aa"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": -2.5,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "3b856fd9-0eeb-4fb2-93ed-95ec4aeae3a6"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "ecb8c498-96d7-448b-8360-366eeddb4090"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "d334058f-e3de-4cf1-a361-32e4e61f1839"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "3ec6adb5-3f11-409c-af39-40cf7ba6f078"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "c71ad383-f876-4bb3-b254-7837b6a3d395"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "4b292b64-4a33-45ff-89df-d5a175d16d70"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 0,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "2da5a3c2-9d1b-458c-ae53-759a4e63198d"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 1.6666666666666667,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "e23a2331-f3fc-4d3c-8a51-1541451186c9"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 3.75,
"Sentiment": "POSITIVE",
"TranscriptItems": [
{
"Id": "5a27cc39-9b73-4ebe-9275-5e6723788a1b"
}
]
},
{
"ParticipantRole": "CUSTOMER",
"ProgressiveScore": 3.75,
"Sentiment": "NEUTRAL",
"TranscriptItems": [
{
"Id": "540368c7-ec19-4fc0-8c86-0a5ee62d31a0"
}
]
}
],
"OverallSentiment": {
"DetailsByInteraction": {
"DetailsByParticipantRole": {
"CUSTOMER": {
"WithAgent": 0
}
}
},
"DetailsByParticipantRole": {
"AGENT": 1.1538461538461537,
"CUSTOMER": 0
}
},
"SentimentShift": {
"DetailsByInteraction": {
"DetailsByParticipantRole": {
"CUSTOMER": {
"WithAgent": {
"BeginScore": -3,
"EndScore": 3.75
}
}
}
},
"DetailsByParticipantRole": {
"AGENT": {
"BeginScore": 0,
"EndScore": 2.5
},
"CUSTOMER": {
"BeginScore": -3.75,
"EndScore": 3.75
}
}
}
}
},
"CustomerMetadata": {
"ContactId": "b49644f6-672f-445c-b209-f76b36482830",
"InputS3Uri": "path to the json file in s3",
"InstanceId": "f23fc323-3d6d-48aa-EXAMPLE012"
},
"JobStatus": "COMPLETED",
"LanguageCode": "en-US",
"Participants": [
{
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER"
},
{
"ParticipantId": "2b2288b4-ff6e-4996-8d8e-260fd5a8ac02",
"ParticipantRole": "SYSTEM"
},
{
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT"
}
],
"Transcript": [
{
"AbsoluteTime": "2022-10-27T03:31:50.735Z",
"ContentType": "application/vnd.amazonaws.connect.event.participant.joined",
"DisplayName": "[PII]",
"Id": "740c494d-9df7-4400-91c0-3e4df33922c8",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "EVENT"
},
{
"AbsoluteTime": "2022-10-27T03:31:53.390Z",
"Content": "Hello, thanks for contacting us. This is an example of what the Amazon Connect virtual contact center can enable you to do.",
"ContentType": "text/plain",
"DisplayName": "SYSTEM_MESSAGE",
"Id": "78aa8229-714a-4c87-916b-ce7d8d567ab2",
"ParticipantId": "2b2288b4-ff6e-4996-8d8e-260fd5a8ac02",
"ParticipantRole": "SYSTEM",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:31:55.131Z",
"Content": "The time in queue is less than 5 minutes.",
"ContentType": "text/plain",
"DisplayName": "SYSTEM_MESSAGE",
"Id": "1276382b-facb-49c5-8d34-62e3b0f50002",
"ParticipantId": "2b2288b4-ff6e-4996-8d8e-260fd5a8ac02",
"ParticipantRole": "SYSTEM",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:31:56.618Z",
"Content": "You are now being placed in queue to chat with an agent.",
"ContentType": "text/plain",
"DisplayName": "SYSTEM_MESSAGE",
"Id": "88c2363e-8206-4781-a353-c15e1ccacc12",
"ParticipantId": "2b2288b4-ff6e-4996-8d8e-260fd5a8ac02",
"ParticipantRole": "SYSTEM",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:00.951Z",
"ContentType": "application/vnd.amazonaws.connect.event.participant.joined",
"DisplayName": "[PII]",
"Id": "c05cca74-d50b-4aa5-b46c-fdb5ae8c814c",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "EVENT"
},
{
"AbsoluteTime": "2022-10-27T03:32:03.462Z",
"Content": "Hello, thanks for reaching Example Corp. This is [PII]. How may I help you?",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "e4949dd1-aaa1-4fbd-84e7-65c95b2d3d9a",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 46,
"EndOffsetChar": 51
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:08.102Z",
"Content": "I'd like to see if I can get a refund or an exchange, because I ordered one of your grow-it-yourself indoor herb garden kits and nothing sprouted after a couple weeks so I think something is wrong with the seeds and this product may be defective.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "bcc51949-3a79-4398-be1b-a27345a8a8ad",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:14.137Z",
"Content": "My wife is blind and sensitive to the sun so I was going to surprise her for her birthday with all the herbs that she loves so you guys actually really let me down.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "7d5c07d7-3d26-4b34-ae91-39aeaeef685c",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:18.781Z",
"Content": "I should be taking my business elsewhere. I don't see why I should be giving money to a company that isn't even going to sell a product that works.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "e0efbd17-9139-439b-8c80-ebf2b9b703b9",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:24.123Z",
"Content": "Ok. Can I get your first and last name please?",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "3673d926-6e75-4620-a6f0-7ea571790a15",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:29.879Z",
"Content": "Yeah. My first name is [PII] and last name [PII].",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "8fbb8dd4-9fd4-4991-83dc-5f06eeead9aa",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 21,
"EndOffsetChar": 26
},
{
"BeginOffsetChar": 44,
"EndOffsetChar": 49
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:34.670Z",
"Content": "Could you please provide me with the order ID number?",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "46d37141-32d8-4f2e-a664-bcd3f34a68b3",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:39.726Z",
"Content": "Yes, just . Looking ...",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "3b856fd9-0eeb-4fb2-93ed-95ec4aeae3a6",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:44.887Z",
"Content": "Not a problem, take your time.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "3c4a2a1e-6790-46a6-8ad4-4a0980b04795",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:52.978Z",
"Content": "Okay, that should be #5376897. You know, if the product was fine I wouldn't have to scrounge through emails.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "ecb8c498-96d7-448b-8360-366eeddb4090",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:32:59.441Z",
"Content": "alright, perfect. And could you also just confirm the shipping address for me, [PII]",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "f9cd41b6-3f68-4e83-a47d-664395f324c0",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 77,
"EndOffsetChar": 82
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:05.455Z",
"Content": "[PII], and the zip code [PII].",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "d334058f-e3de-4cf1-a361-32e4e61f1839",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 0,
"EndOffsetChar": 5
},
{
"BeginOffsetChar": 27,
"EndOffsetChar": 32
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:12.764Z",
"Content": "Thank you very much. Just waiting on my system here. .. I'll also need the last four digits of your debit card.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "21acf0fc-7259-4a08-b4cd-688eb56587d3",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:17.412Z",
"Content": "Ok. Last four for my debit card [PII]",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "3ec6adb5-3f11-409c-af39-40cf7ba6f078",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 27,
"EndOffsetChar": 32
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:33.852Z",
"Content": "It's just too bad. I thought this was going to be the best gift idea. How can you guys be sending out defective seeds? Isn't that your whole business?",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "c71ad383-f876-4bb3-b254-7837b6a3d395",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:38.961Z",
"Content": "I apologize for the experience you had Mr [PII], its very uncommon that our customer will have this issue. We will look into this and get this sorted out for you right away.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "28d0a1ce-64d1-4625-bbef-4cfeb97b6742",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 41,
"EndOffsetChar": 46
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:44.192Z",
"Content": "Well, my wife's birthday already passed, so. There's not too much you can do. But I would still like to grow the herbs for her, if possible.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "4b292b64-4a33-45ff-89df-d5a175d16d70",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:51.310Z",
"Content": "Totally understandable. Let me see what we can do for you. Please give me couple of minutes as I check the system.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "ef9b8622-32d5-4cfd-9ccc-a242502267bc",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:33:56.287Z",
"Content": "Thank you sir one moment please.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "03a9de67-f9e1-4884-a1a3-ecea78a4ce9e",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:01.224Z",
"Content": "Alright are you still there Mr [PII]?",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "cfee5ece-a671-4a11-9ec2-89aba4b7d688",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 30,
"EndOffsetChar": 35
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:07.093Z",
"Content": "Yeah.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "2da5a3c2-9d1b-458c-ae53-759a4e63198d",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:12.562Z",
"Content": "We are not only refunding the cost of the grow-it-yourself indoor herb kit but we will also be sending you a replacement. Would you be okay with this?",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "72cc8c8d-2199-422a-b363-01d6d3fdc851",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:17.029Z",
"Content": "Yeah! That would be great. I just want my wife to be able to have these herbs in her room. And I'm always happy to get my money back!",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "e23a2331-f3fc-4d3c-8a51-1541451186c9",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:22.269Z",
"Content": "Awesome! We really want to keep our customers happy and satisfied, and again I want to apologize for your less than satisfactory experience with the last product you ordered from us.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "61bb2591-fe87-44e4-bba0-a3619c4cef1f",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:26.353Z",
"Content": "Okay! No problem. Sounds great. Thank you for all your help!",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "5a27cc39-9b73-4ebe-9275-5e6723788a1b",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:31.431Z",
"Content": "Is there anything else I can help you out with Mr [PII]?",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "1761f27e-0989-4b6d-a046-fc03d2c6bc9c",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Redaction": {
"CharacterOffsets": [
{
"BeginOffsetChar": 48,
"EndOffsetChar": 53
}
]
},
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:36.704Z",
"Content": "Nope!",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "540368c7-ec19-4fc0-8c86-0a5ee62d31a0",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:41.448Z",
"Content": "Ok great! Have a great day.",
"ContentType": "text/plain",
"DisplayName": "[PII]",
"Id": "8cdff161-dc25-44e6-986f-fc0e08ee0a7d",
"ParticipantId": "f36a545d-67b2-4fd4-89fb-896136b609a7",
"ParticipantRole": "AGENT",
"Type": "MESSAGE"
},
{
"AbsoluteTime": "2022-10-27T03:34:42.799Z",
"ContentType": "application/vnd.amazonaws.connect.event.participant.left",
"DisplayName": "[PII]",
"Id": "d1ba54ba-61d4-4a48-9a9a-6cd17d70b8fb",
"ParticipantId": "e9b36a6d-12aa-4c21-9745-1881648ecfc8",
"ParticipantRole": "CUSTOMER",
"Type": "EVENT"
},
{
"AbsoluteTime": "2022-10-27T03:34:43.192Z",
"ContentType": "application/vnd.amazonaws.connect.event.chat.ended",
"Id": "2d9a0e4f-faec-485f-97af-2767dde1f30a",
"Type": "EVENT"
}
],
"Version": "CHAT-2022-11-30"
}
```
# Beispiel für Kontaktlinsen-Ausgabedateien für eine E-Mail, die mit Conversational Analytics von Contact Lens analysiert wurden
Dieser Abschnitt zeigt ein Beispielschema für einen E-Mail-Kontakt, der mit Conversational Analytics von Contact Lens analysiert wurde. Das Beispiel zeigt übereinstimmende Kategorien und eine Zusammenfassung der Kontaktkette.
Beachten Sie Folgendes zu den Ausgabedateien für E-Mail-Analysen:
+ Das `Channel` Feld ist auf eingestellt`EMAIL`.
+ Das `Version` Feld verwendet das `EMAIL` Präfix (z. B.`EMAIL-2026-01-01`).
+ E-Mail-Ausgabedateien enthalten keine Daten zu Stimmungswerten, Stimmungsschwankungen, Lautstärke oder Gesprächsunterbrechung.
+ Der `Categories` Abschnitt enthält ein Feld, das auf gesetzt ist`EventSource`. `OnEmailAnalysisAvailable`
+ Bei Kontaktzusammenfassungen wird `ContactChainSummary` anstelle von verwendet`PostContactSummary`, da E-Mail-Analysen den gesamten E-Mail-Thread (Kontaktkette) zusammenfassen.
+ Der `CustomerMetadata.InputFiles` Abschnitt bezieht sich auf die E-Mail-Nachricht und Klartext-Dateien, die in Amazon S3 gespeichert sind.
## Beispiel für eine Ausgabedatei für E-Mail-Analysen
Das folgende Beispiel zeigt die Ausgabe für einen E-Mail-Kontakt mit aktivierter Kategorisierung, Schwärzung und Zusammenfassung der Kontaktkette.
```
{
"Version": "EMAIL-2026-01-01",
"AccountId": "123456789012",
"Channel": "EMAIL",
"Configuration": {
"ChannelConfiguration": {
"AnalyticsModes": [
"ContactLens"
]
},
"LanguageLocale": "en-US",
"RedactionConfiguration": {
"Behavior": "Enable",
"Policy": "RedactedAndOriginal",
"Entities": [],
"MaskMode": "EntityType"
},
"SummaryConfiguration": {
"SummaryModes": [
"ContactChain"
]
}
},
"CustomerMetadata": {
"ContactId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
"InstanceId": "aaaaaaaa-bbbb-cccc-dddd-eeeeeeeeeeee",
"InputFiles": {
"EmailMessageS3URI": "connect/your-instance/EmailMessages/2026/01/15/a1b2c3d4_message.json",
"EmailMessagePlainTextS3URI": "connect/your-instance/EmailMessages/2026/01/15/a1b2c3d4_plain_text.json"
}
},
"Categories": {
"MatchedCategories": [
"refund-request",
"shipping-issue"
],
"MatchedDetails": {
"refund-request": {
"PointsOfInterest": [
{
"Contacts": [
{
"ContactId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890"
}
]
}
],
"EventSource": "OnEmailAnalysisAvailable"
},
"shipping-issue": {
"PointsOfInterest": [],
"EventSource": "OnEmailAnalysisAvailable"
}
}
},
"ConversationCharacteristics": {
"ContactSummary": {
"ContactChainSummary": {
"Content": "The customer reported that their order arrived damaged and requested a full refund including shipping costs. The agent confirmed the refund would be processed within 3-5 business days and offered a replacement unit."
}
}
},
"JobDetails": {}
}
```
# Fehlerbehebung in Amazon Connect Contact Lens
## Warum sehe oder höre ich keine unredigierten Inhalte?
Wenn Ihre Organisation die Schwärzungsfunktion verwendet, werden standardmäßig nur Contact Lens geschwärzte Inhalte auf der Admin-Website angezeigt. Amazon Connect
Sie müssen entsprechend berechtigt sein, um nicht redigierte Inhalte zu sehen. Weitere Informationen finden Sie unter [Zuweisen von Berechtigungen für die Verwendung der Konversationsanalysen von Contact Lens in Amazon Connect](permissions-for-contact-lens.md).